| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·论文主要研究内容 | 第14-15页 |
| ·论文组织结构 | 第15-17页 |
| 2 不平衡数据集的分类学习 | 第17-25页 |
| ·分类技术概述 | 第17-19页 |
| ·不平衡数据集分类概述 | 第19-21页 |
| ·提升不平衡数据集分类性能的方法 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 3 分类器集成学习 | 第25-33页 |
| ·集成学习的基本概念 | 第25-27页 |
| ·集成学习主要算法 | 第27-29页 |
| ·Bagging 算法描述 | 第27-28页 |
| ·AdaBoost 算法描述 | 第28-29页 |
| ·集成学习的优缺点和研究方向 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 4 TSNIMA 集成学习算法的设计与实现 | 第33-47页 |
| ·TASMOTE-NCR 组合重抽样算法 | 第33-40页 |
| ·算法的理论基础 | 第33-35页 |
| ·TASMOTE-NCR 算法流程及实现 | 第35-39页 |
| ·实验结果分析 | 第39-40页 |
| ·ImAdaBoost 分类算法的设计 | 第40-42页 |
| ·TSNIMA 集成分类器的实现 | 第42-43页 |
| ·实验结果与分析 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 5 TSNIMA 集成分类器在烟叶香型分类中的应用 | 第47-55页 |
| ·烟叶香型分类的研究背景 | 第47-48页 |
| ·基于TSNIMA 算法的烟叶香型分类模型 | 第48-50页 |
| ·实验结论分析 | 第50-54页 |
| ·实验数据 | 第50-52页 |
| ·实验结果与分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 6 结论与展望 | 第55-57页 |
| ·总结 | 第55-56页 |
| ·下一步研究展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 个人简历 | 第62页 |
| 发表的学术论文 | 第62页 |