| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究目的和意义 | 第9页 |
| 1.2 不平衡学习简介 | 第9-13页 |
| 1.2.1 不平衡学习 | 第9-11页 |
| 1.2.2 不平衡率 | 第11页 |
| 1.2.3 评价标准 | 第11-13页 |
| 1.3 过采样方法 | 第13-15页 |
| 1.3.1 过采样方法简介 | 第13-14页 |
| 1.3.2 代表性的过采样方法 | 第14-15页 |
| 1.4 过采样方法的现状与不足 | 第15-17页 |
| 1.5 本文结构 | 第17-19页 |
| 第2章 基于海林格距离和SMOTE的多类不平衡学习方法 | 第19-31页 |
| 2.1 引言 | 第19-20页 |
| 2.1.1 相关工作 | 第19页 |
| 2.1.2 海林格距离 | 第19-20页 |
| 2.2 基于海林格距离和SMOTE的多类不平衡学习方法 | 第20-25页 |
| 2.2.1 基于海林格距离的采样方向选择策略 | 第20-21页 |
| 2.2.2 基于海林格距离的样本质量评估策略 | 第21-22页 |
| 2.2.3 HDSMOTE算法 | 第22-23页 |
| 2.2.4 算法复杂度分析 | 第23-25页 |
| 2.3 实验结果与分析 | 第25-30页 |
| 2.3.1 实验设计 | 第25-26页 |
| 2.3.2 实验结果与分析 | 第26-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 一种高质量的面向多类不平衡学习的过采样框架 | 第31-47页 |
| 3.1 引言 | 第31-32页 |
| 3.1.1 相关工作 | 第31页 |
| 3.1.2 海林距离格决策树 | 第31-32页 |
| 3.1.3 马氏距离 | 第32页 |
| 3.2 一种高质量的面向多类不平衡学习的过采样框架 | 第32-41页 |
| 3.2.1 基于马氏距离的自适应采样策略 | 第33-37页 |
| 3.2.2 基于海林格决策树的监督机制 | 第37-39页 |
| 3.2.3 HQOF | 第39-40页 |
| 3.2.4 算法复杂度分析 | 第40-41页 |
| 3.3 实验设计与分析 | 第41-46页 |
| 3.3.1 实验设计 | 第41-42页 |
| 3.3.2 实验结果与分析 | 第42-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 演示系统的开发 | 第47-54页 |
| 4.1 系统概述 | 第47-49页 |
| 4.1.1 系统介绍 | 第47页 |
| 4.1.2 系统设计模式 | 第47-48页 |
| 4.1.3 相关技术 | 第48页 |
| 4.1.4 系统运行环境 | 第48页 |
| 4.1.5 系统环境搭建 | 第48-49页 |
| 4.2 系统详细设计 | 第49-50页 |
| 4.2.1 业务层设计 | 第49页 |
| 4.2.2 表示层设计 | 第49页 |
| 4.2.3 采样算法参数设置 | 第49-50页 |
| 4.3 系统实现 | 第50-53页 |
| 4.3.1 业务层实现 | 第50页 |
| 4.3.2 视图层实现 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 工作总结 | 第54-55页 |
| 5.2 未来展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录1 HQOF详细实验结果 | 第60-68页 |
| 读研期间参加的科研项目和研究成果 | 第68-69页 |
| 攻读硕士学位期间参加的科研项目 | 第68页 |
| 攻读硕士学位期间的研究成果 | 第68-69页 |
| 致谢 | 第69页 |
