面向非平衡混合型数据的分类算法及应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·对非平衡混合数据分类算法研究的意义 | 第8页 |
| ·数据挖掘中的分类及其在生命医学中的应用现状 | 第8-14页 |
| ·数据挖掘中的分类技术 | 第8-12页 |
| ·分类在医疗中的应用 | 第12-14页 |
| ·本文的研究内容 | 第14页 |
| ·本文的结构安排 | 第14-15页 |
| 第二章 非平衡数据处理方法与技术 | 第15-23页 |
| ·非平衡数据分类困难性分析 | 第15页 |
| ·非平衡型数据的主要分类处理方法与技术 | 第15-22页 |
| ·评估度量选择法 | 第15-16页 |
| ·典型的非贪心搜索技术 | 第16-17页 |
| ·归纳偏移自适应技术 | 第17页 |
| ·少数类训练法 | 第17页 |
| ·分割数据法 | 第17-18页 |
| ·最低支持度阈值自适应技术 | 第18页 |
| ·代价敏感度训练技术 | 第18页 |
| ·非平衡数据采样法 | 第18-19页 |
| ·元学习 | 第19-20页 |
| ·其它方法 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于密度的CwkNN算法 | 第23-48页 |
| ·k─最近邻分类算法回顾 | 第23-25页 |
| ·基于距离权重的kNN规则 | 第23-24页 |
| ·证据理论kNN规则 | 第24页 |
| ·带有符号特征的kNN | 第24页 |
| ·计数最近邻分类算法 | 第24-25页 |
| ·基于密度的CwkNN算法 | 第25-30页 |
| ·全局密度分类算法 | 第25-27页 |
| ·k-局部密度分类算法 | 第27-30页 |
| ·基于密度的边界点检测及分类方法 | 第30-35页 |
| ·边界点检测方法概述 | 第30-31页 |
| ·基于密度的边界点检测 | 第31-34页 |
| ·基于密度的边界点分类方法 | 第34-35页 |
| ·密度分类算法实验结果及分析 | 第35-43页 |
| ·全局密度分类算法的实验结果及分析 | 第36-39页 |
| ·k─局部密度分类算法的实验结果及分析 | 第39-40页 |
| ·边界点分类的结果及其分析 | 第40-43页 |
| ·密度分类算法和vkNN/tkNN的比较 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 密度分类子模块的设计与实现 | 第48-60页 |
| ·系统的总体框架 | 第48-50页 |
| ·分类模块的需求分析 | 第50-51页 |
| ·分类子系统的基本要求 | 第50-51页 |
| ·分类子系统的功能需求 | 第51页 |
| ·分类模块的设计与实现 | 第51-58页 |
| ·分类模块的设计 | 第51-52页 |
| ·分类模块的实现 | 第52-58页 |
| ·本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间主要的研究成果 | 第68页 |
