不平衡学习中的重采样方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题的研究背景 | 第8-11页 |
| 1.2 课题的研究意义 | 第11-12页 |
| 1.3 论文研究的主要内容 | 第12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 2 不平衡学习的相关研究 | 第14-26页 |
| 2.1 不平衡学习的本质 | 第14-15页 |
| 2.2 不平衡学习的主要方法 | 第15-18页 |
| 2.2.1 数据层面 | 第15-16页 |
| 2.2.2 算法层面 | 第16-17页 |
| 2.2.3 集成层面 | 第17-18页 |
| 2.3 不平衡学习的模型选择 | 第18-20页 |
| 2.3.1 分类误差与过拟合 | 第18页 |
| 2.3.2 评估方法 | 第18-20页 |
| 2.4 不平衡学习的评估指标 | 第20-25页 |
| 2.4.1 基于混淆矩阵的评估指标 | 第20-22页 |
| 2.4.2 ROC曲线以及AUC值 | 第22-23页 |
| 2.4.3 PR曲线 | 第23-24页 |
| 2.4.4 代价曲线 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于最大最小距离的上采样方法 | 第26-36页 |
| 3.1 概述 | 第26页 |
| 3.2 其他相关技术 | 第26-29页 |
| 3.2.1 支持向量机 | 第26-29页 |
| 3.3 主要思想和算法步骤 | 第29-30页 |
| 3.3.1 主要思想 | 第29-30页 |
| 3.3.2 算法步骤 | 第30页 |
| 3.4 实验与分析 | 第30-36页 |
| 3.4.1 数据集及实验设置 | 第30-31页 |
| 3.4.2 实验结果及分析 | 第31-36页 |
| 4 基于高斯混合模型的下采样方法 | 第36-48页 |
| 4.1 概述 | 第36页 |
| 4.2 高斯混合模型 | 第36-38页 |
| 4.2.1 单高斯模型 | 第36页 |
| 4.2.2 高斯混合模型 | 第36-38页 |
| 4.3 其他相关技术 | 第38-40页 |
| 4.3.1 决策树与随机森林 | 第38-40页 |
| 4.4 主要思想与算法流程 | 第40-44页 |
| 4.4.1 主要思想 | 第40-41页 |
| 4.4.2 GUS算法 | 第41-42页 |
| 4.4.3 采样前后的数据分布比较 | 第42-44页 |
| 4.5 实验与分析 | 第44-48页 |
| 4.5.1 数据集及实验设置 | 第44-45页 |
| 4.5.2 实验结果与分析 | 第45-48页 |
| 5 基于双层聚类算法的下采样方法 | 第48-57页 |
| 5.1 概述 | 第48页 |
| 5.2 相关技术介绍 | 第48-50页 |
| 5.2.1 K-means算法 | 第48-49页 |
| 5.2.2 K-medoids算法 | 第49-50页 |
| 5.3 主要思想和算法步骤 | 第50-52页 |
| 5.3.1 主要思想 | 第50-51页 |
| 5.3.2 算法步骤 | 第51-52页 |
| 5.4 实验与分析 | 第52-56页 |
| 5.4.1 数据集及实验设置 | 第52页 |
| 5.4.2 实验结果及分析 | 第52-56页 |
| 5.5 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 工作展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录 | 第65页 |
