| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 不平衡数据分类问题的研究现状 | 第9-14页 |
| 1.2.1 数据层面 | 第9-11页 |
| 1.2.2 算法层面 | 第11-14页 |
| 1.3 论文主要工作 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第2章 粗糙集与三支决策 | 第16-19页 |
| 2.1 粗糙集理论介绍 | 第16-17页 |
| 2.2 三支决策理论研究现状 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 基于三支决策的不平衡数据过采样算法 | 第19-40页 |
| 3.1 邻域粗糙集模型 | 第19-20页 |
| 3.2 邻域三支决策模型 | 第20-22页 |
| 3.3 基于三支决策的不平衡数据过采样算法 | 第22-27页 |
| 3.3.1 确定样本的邻域半径 | 第22-23页 |
| 3.3.2 对不同区域的样本过采样 | 第23-25页 |
| 3.3.3 算法描述 | 第25-26页 |
| 3.3.4 算法的复杂度分析 | 第26-27页 |
| 3.4 实验评价 | 第27-29页 |
| 3.4.1 实验数据 | 第27-28页 |
| 3.4.2 评价指标 | 第28-29页 |
| 3.5 实验方法 | 第29-38页 |
| 3.5.1 确定邻域半径 | 第29-31页 |
| 3.5.2 实验方法及参数设定 | 第31-32页 |
| 3.5.3 实验结果及分析 | 第32-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 基于三支决策的不平衡数据并行过采样算法 | 第40-55页 |
| 4.1 MapReduce与Spark | 第40-43页 |
| 4.1.1 MapReduce | 第40-41页 |
| 4.1.2 Spark | 第41-42页 |
| 4.1.3 MapReduce与Spark | 第42-43页 |
| 4.2 基于三支决策的不平衡数据过采样算法的并行化 | 第43-48页 |
| 4.2.1 训练集划分阶段的并行化 | 第43-45页 |
| 4.2.2 边界域采样阶段的并行化 | 第45-46页 |
| 4.2.3 负域采样阶段的并行化 | 第46-47页 |
| 4.2.4 分类学习 | 第47-48页 |
| 4.3 算法的实验结果及分析 | 第48-51页 |
| 4.3.1 实验数据及参数说明 | 第48-49页 |
| 4.3.2 并行算法的有效性 | 第49-50页 |
| 4.3.3 并行算法的高效性 | 第50-51页 |
| 4.4 参数敏感性分析 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 总结及未来工作 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 未来工作 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第63页 |