基于Ensemble技术的非平衡数据挖掘
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景和意义 | 第9-12页 |
| ·数据流问题 | 第9-10页 |
| ·非平衡数据问题 | 第10-11页 |
| ·非平衡数据流问题 | 第11-12页 |
| ·研究内容 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 第二章 领域相关工作概述 | 第14-23页 |
| ·集成学习技术研究 | 第14-16页 |
| ·基于Bagging 的集成算法 | 第14-15页 |
| ·基于AdaBoost 的集成算法 | 第15-16页 |
| ·数据流挖掘的研究 | 第16-19页 |
| ·基于数据流的聚类算法 | 第17页 |
| ·基于数据流的分类算法 | 第17-18页 |
| ·基于数据流的频繁模式挖掘算法 | 第18-19页 |
| ·非平衡数据挖掘的研究 | 第19-21页 |
| ·过抽样方法 | 第19页 |
| ·SMOTE 方法 | 第19-20页 |
| ·欠抽样方法 | 第20页 |
| ·基于代价敏感的学习方法 | 第20页 |
| ·集成方法 | 第20-21页 |
| ·非平衡数据流挖掘的研究 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于聚类抽样的静态集成算法 | 第23-34页 |
| ·抽样算法 | 第23-24页 |
| ·欠抽样算法 | 第23-24页 |
| ·基于聚类的抽样算法 | 第24页 |
| ·静态集成方法 | 第24-26页 |
| ·实验安排 | 第26-29页 |
| ·实验数据集 | 第26-27页 |
| ·实验介绍 | 第27-28页 |
| ·检验标准 | 第28-29页 |
| ·实验结果及分析 | 第29-33页 |
| ·人工数据集 | 第29-32页 |
| ·现实数据集 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 动态集成算法 | 第34-43页 |
| ·动态集成方法 | 第34-38页 |
| ·寻找最相似的样本集 | 第36页 |
| ·为各个基分类器设置权重 | 第36页 |
| ·预测测试样本的类别信息 | 第36-38页 |
| ·实验安排 | 第38页 |
| ·实验结果及分析 | 第38-42页 |
| ·在模拟数据流上的实验结果 | 第38-41页 |
| ·在现实数据集上的实验结果 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| ·总结 | 第43页 |
| ·展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 作者简介 | 第49页 |
