| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的目的和意义 | 第10-11页 |
| 1.2 失衡数据集的数据缺失问题研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 本课题研究的主要内容 | 第14-16页 |
| 1.3.1 课题来源 | 第14页 |
| 1.3.2 课题的主要研究内容 | 第14-16页 |
| 第2章 失衡数据集的数据缺失问题 | 第16-24页 |
| 2.1 失衡数据集的数据缺失问题概述 | 第16-18页 |
| 2.2 数据集数据缺失的类型 | 第18-19页 |
| 2.3 处理失衡数据集数据缺失的方法 | 第19-21页 |
| 2.3.1 解决数据缺失的主要方法 | 第19-20页 |
| 2.3.2 处理数据失衡的主要方法 | 第20-21页 |
| 2.4 失衡数据集分类性能评价标准 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于密度聚类与灰色关联分析的填补方法 | 第24-32页 |
| 3.1 基于密度的聚类算法 | 第24-27页 |
| 3.1.1 聚类算法概述 | 第24-26页 |
| 3.1.2 DBSCAN算法原理 | 第26-27页 |
| 3.2 灰色关联分析技术 | 第27-29页 |
| 3.2.1 灰色关联分析方法概述 | 第27-28页 |
| 3.2.2 灰色关联分析方法基本原理 | 第28-29页 |
| 3.3 基于DBSCAN-GRA的数据填补方法 | 第29-30页 |
| 3.4 数据回填效果验证 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 基于迁移学习的属性缺失处理方法 | 第32-43页 |
| 4.1 迁移学习 | 第32-36页 |
| 4.1.1 迁移学习基本原理 | 第32-33页 |
| 4.1.2 迁移学习的类型 | 第33-35页 |
| 4.1.3 迁移学习的应用 | 第35-36页 |
| 4.2 数据集属性的缺失 | 第36-37页 |
| 4.3 谱特征排列算法 | 第37-39页 |
| 4.3.1 谱特征排列概述 | 第37-38页 |
| 4.3.2 谱特征排列原理 | 第38-39页 |
| 4.4 基于谱特征排列的属性缺失处理方法 | 第39-41页 |
| 4.4.1 数据集的处理 | 第39-40页 |
| 4.4.2 基于SFA算法的属性缺失处理 | 第40-41页 |
| 4.5 本章小结 | 第41-43页 |
| 第5章 失衡数据集数据缺失问题在辅助医疗诊断中的应用 | 第43-52页 |
| 5.1 基于数据挖掘的辅助医疗诊断 | 第43-44页 |
| 5.2 辅助医疗诊断整体框架 | 第44-45页 |
| 5.3 模块划分 | 第45-48页 |
| 5.3.1 缺失数据处理模块 | 第45-46页 |
| 5.3.2 失衡数据处理模块 | 第46-47页 |
| 5.3.3 数据集分类模块 | 第47-48页 |
| 5.4 实验验证 | 第48-51页 |
| 5.4.1 数据值缺失实验验证 | 第48-49页 |
| 5.4.2 属性缺失实验验证 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |