首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于主动学习的非均衡数据分类研究

摘要第4-5页
Abstract第5-6页
第一章 绪论第9-15页
    1.1 非均衡数据分类问题的研究背景和意义第9-10页
    1.2 非均衡数据分类的研究现状第10-13页
        1.2.1 数据集重构第11页
        1.2.2 改进算法方面第11-12页
        1.2.3 代价敏感学习第12页
        1.2.4 集成学习第12-13页
    1.3 本文主要内容第13-14页
    1.4 本文组织结构第14-15页
第二章 非均衡数据分类的研究基础第15-27页
    2.1 重采样技术及其主要算法第15-17页
        2.1.1 过取样算法第15-16页
        2.1.2 欠取样算法第16-17页
    2.2 主动学习算法第17-18页
        2.2.1 不确定性抽样主动学习第18页
        2.2.2 QBC主动学习第18页
    2.3 支持向量机算法原理第18-22页
        2.3.1 线性支持向量机第18-20页
        2.3.2 非线性支持向量机第20-22页
    2.4 集成学习第22-23页
        2.4.1 集成学习的产生和发展第22页
        2.4.2 集成学习的基本原理第22-23页
    2.5 非均衡数据分类的性能评估第23-27页
        2.5.1 F-measure和G-mean第24-25页
        2.5.2 ROC曲线第25-26页
        2.5.3 K折交叉验证第26-27页
第三章 基于主动学SMOTE的非均衡数据分类第27-33页
    3.1 引言第27页
    3.2 主动学习与支持向量机结合优势第27-28页
    3.3 基于主动学SMOTE的非均衡数据分类算法第28-30页
        3.3.1 算法简介第28-29页
        3.3.2 算法描述及流程图第29-30页
    3.4 实验与分析第30-32页
        3.4.1 数据集第30-31页
        3.4.2 实验结果及分析第31-32页
    3.5 结论第32-33页
第四章 基于集成的非均衡数据分类主动学习算法第33-40页
    4.1 引言第33页
    4.2 相关工作第33-36页
        4.2.1 拆分与集成结合的优势第33页
        4.2.2 Adaboost集成算法第33-35页
        4.2.3 QBC主动学习策略第35-36页
    4.3 基于集成的非均衡数据分类主动学习算法第36-37页
        4.3.1 算法简介第36页
        4.3.2 算法描述第36-37页
    4.4 实验与分析第37-39页
        4.4.1 数据集第37页
        4.4.2 实验结果及分析第37-39页
    4.5 小结第39-40页
第五章 总结与展望第40-42页
    5.1 本文总结第40页
    5.2 研究展望第40-42页
参考文献第42-46页
攻读硕士学位期间发表学术论文情况第46-47页
致谢第47页

论文共47页,点击 下载论文
上一篇:白沙新二类卷烟品牌营销策略研究
下一篇:蒙古族沙嘎文化概况与阿日该那达慕的推广意义研究