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--自动推理、机器学习论文

基于半监督和集成学习的不平衡数据特征选择和分类

摘要第7-9页
ABSTRACT第9-11页
第一章 绪论第12-28页
    1.1 研究背景与意义第12-14页
    1.2 不平衡数据研究现状第14-23页
        1.2.1 数据预处理技术第15-17页
        1.2.2 代价敏感学习第17-19页
        1.2.3 不平衡集成学习方法第19-20页
        1.2.4 不平衡领域的评价标准第20-23页
    1.3 论文的主要工作与贡献第23-26页
    1.4 论文的结构安排第26-28页
第二章 基于SMOTE与随机森林方法的Web Spam检测第28-46页
    2.1 Web spam概述第28-32页
        2.1.1 Web spam定义第28-29页
        2.1.2 Web spam分类第29-31页
        2.1.3 Web spam数据中的类不平衡情况第31-32页
    2.2 集成学习与随机森林第32-37页
        2.2.1 集成学习概述第32-34页
        2.2.2 随机森林算法第34-37页
    2.3 结合SMOTE与随机森林第37-39页
        2.3.1 SMOTE过采样方法第37-38页
        2.3.2 SMOTERF算法第38-39页
    2.4 实验第39-44页
        2.4.1 数据集和评价指标第39-40页
        2.4.2 实验结果第40-44页
    2.5 本章小结第44-46页
第三章 基于改进旋转森林的不平衡数据分类方法第46-67页
    3.1 旋转森林集成学习方法第46-50页
        3.1.1 旋转森林的原理与步骤第46-48页
        3.1.2 PCA在旋转森林中的作用第48-50页
    3.2 基于嵌套的旋转森林的不平衡web spam检测第50-57页
        3.2.1 结合SMOTE过采样的嵌套旋转森林方法第50-51页
        3.2.2 实验数据集与参数设置第51-52页
        3.2.3 实验结果分析第52-57页
    3.3 基于改进的旋转森林的高度不平衡数据分类第57-65页
        3.3.1 高度不平衡数据分类问题第57-58页
        3.3.2 对比的经典不平衡集成方法第58页
        3.3.3 两个改进的旋转森林算法第58-60页
        3.3.4 实验数据集及参数设置第60-62页
        3.3.5 实验结果及分析第62-65页
    3.4 本章小结第65-67页
第四章 半监督学习框架下不平衡web spam分类方法第67-82页
    4.1 半监督学习框架下的自标记技术第67-73页
        4.1.1 半监督学习范式第67-69页
        4.1.2 自标记分类技术第69-73页
    4.2 结合SMOTE与多分类器模型第73-74页
    4.3 实验第74-81页
        4.3.1 评价指标、数据集与算法参数第74-75页
        4.3.2 使用SMOTE之前的实验结果第75-77页
        4.3.3 使用SMOTE之后的实验结果第77-80页
        4.3.4 讨论第80-81页
    4.4 本章小结第81-82页
第五章 高维不平衡卵巢癌数据的特征选择和分类第82-100页
    5.1 特征选择问题第82-89页
        5.1.1 特征选择概述第83-85页
        5.1.2 经典的过滤式特征选择方法第85-88页
        5.1.3 高维不平衡数据的特征选择第88-89页
    5.2 生物信息学中的类不平衡数据集第89-91页
        5.2.1 CuratedOvarianData包简介第89-90页
        5.2.2 三个处理后的不平衡卵巢癌数据集第90-91页
    5.3 基于随机森林的不平衡特征选择方法第91-93页
    5.4 实验第93-98页
        5.4.1 分类算法和实验环境第93-94页
        5.4.2 实验结果第94-98页
    5.5 本章小结第98-100页
第六章 总结和展望第100-103页
    6.1 本文总结第100-101页
    6.2 研究展望第101-103页
参考文献第103-113页
攻读博士学位期间发表录用的部分学术论文第113-114页
攻读博士学位期间参与的科研项目第114-115页
致谢第115-116页

论文共116页,点击 下载论文
上一篇:城镇化进程中农民信息化服务模式研究--以吉林省为例
下一篇:图像特征学习方法与应用研究