| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 不平衡数据分类的基本概念及国内外研究现状 | 第9-12页 |
| 1.2.1 不平衡数据分类的基本概念 | 第9-10页 |
| 1.2.2 国内外研究现状 | 第10-11页 |
| 1.2.3 不平衡数据分类面临的问题和挑战 | 第11-12页 |
| 1.3 本文的主要工作 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第二章 不平衡数据分类研究综述 | 第14-21页 |
| 2.1 不平衡数据分类 | 第14-18页 |
| 2.1.1 数据层面的方法 | 第14-16页 |
| 2.1.2 算法层面的方法 | 第16-18页 |
| 2.2 不平衡数据分类评价指标 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 基于多分类器集成的不平衡数据分类 | 第21-33页 |
| 3.1 数据预处理 | 第21-24页 |
| 3.1.1 KPCA主成分分析 | 第21-23页 |
| 3.1.2 重构数据集 | 第23-24页 |
| 3.2 多分类器集成 | 第24-30页 |
| 3.2.1 KNN最近邻分类算法 | 第24-25页 |
| 3.2.2 SVM分类算法 | 第25-27页 |
| 3.2.3 朴素贝叶斯分类算法 | 第27-28页 |
| 3.2.4 多分类器集成 | 第28-30页 |
| 3.3 实验结果及其分析 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于半监督学习的不平衡数据分类 | 第33-39页 |
| 4.1 半监督学习 | 第33-35页 |
| 4.1.1 协同训练算法（Co-training） | 第34-35页 |
| 4.1.2 Tri-training算法 | 第35页 |
| 4.2 改进的Tri-training算法 | 第35-37页 |
| 4.3 实验结果及其分析 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 总结与展望 | 第39-41页 |
| 5.1 本文内容总结 | 第39-40页 |
| 5.2 进一步工作 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 攻读硕士学位期间发表的论文 | 第44-45页 |
| 致谢 | 第45页 |