| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究的背景和意义 | 第11-14页 |
| 1.2 研究现状 | 第14-19页 |
| 1.3 本文主要创新点 | 第19-20页 |
| 1.4 本文的组织结构 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 第二章 背景知识介绍 | 第22-33页 |
| 2.1 决策树 | 第22-23页 |
| 2.2 随机森林 | 第23页 |
| 2.3 常用不平衡数据分类算法 | 第23-28页 |
| 2.3.1 少数样本过采样生成技术(SMOTE) | 第23-25页 |
| 2.3.2 随机欠采样提升 | 第25-27页 |
| 2.3.3 逆随机欠采样 | 第27-28页 |
| 2.4 人工神经网络和层叠自编码器 | 第28-32页 |
| 2.4.1 人工神经网络 | 第28-30页 |
| 2.4.2 自编码器 | 第30-31页 |
| 2.4.3 层叠自编码器 | 第31页 |
| 2.4.4 层叠自编码器的训练 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 不平衡数据分类中的双层叠自编码特征(DAF) | 第33-44页 |
| 3.1 双层叠自编码特征算法框架 | 第33-35页 |
| 3.2 双层叠自编码器的训练 | 第35-38页 |
| 3.3 双层叠自编码特征学习 | 第38-39页 |
| 3.4 不同激活函数的层叠自编码器特征对比 | 第39-42页 |
| 3.5 双层叠自编码器训练时间复杂度分析 | 第42页 |
| 3.6 本章小结 | 第42-44页 |
| 第四章 实验对比与分析 | 第44-68页 |
| 4.1 实验数据集 | 第44-47页 |
| 4.2 不平衡数据分类常用指标 | 第47-49页 |
| 4.2.1 ROC曲线下面积(AUC) | 第47-48页 |
| 4.2.2 F1-Score | 第48-49页 |
| 4.2.3 G-Mean | 第49页 |
| 4.3 双层叠自编码特征和单个层叠自编码器特征对比实验 | 第49-55页 |
| 4.3.1 人工不平衡数据集上的性能对比 | 第49-52页 |
| 4.3.1.1 实验目的 | 第49-50页 |
| 4.3.1.2 实验设置 | 第50页 |
| 4.3.1.3 实验结果与分析 | 第50-52页 |
| 4.3.2 UCI数据集上的性能对比 | 第52-55页 |
| 4.3.2.1 实验目的 | 第52页 |
| 4.3.2.2 实验设置 | 第52-53页 |
| 4.3.2.3 实验结果与分析 | 第53-55页 |
| 4.4 双层叠自编码特征和其他方法对比实验 | 第55-67页 |
| 4.4.1 人工不平衡数据集决策边界实验 | 第55-62页 |
| 4.4.1.1 实验目的 | 第55页 |
| 4.4.1.2 实验设置 | 第55-56页 |
| 4.4.1.3 实验结果与分析 | 第56-62页 |
| 4.4.2 UCI数据集上的性能对比 | 第62-67页 |
| 4.4.2.1 实验目的 | 第62-63页 |
| 4.4.2.2 实验设置 | 第63页 |
| 4.4.2.3 实验结果与分析 | 第63-67页 |
| 4.5 本章小结 | 第67-68页 |
| 总结与展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77-78页 |
| 附件 | 第78页 |