深度增强学习在不平衡分类上的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题研究背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-17页 |
| 1.2.1 深度增强学习研究与应用 | 第9-12页 |
| 1.2.2 不平衡数据分类研究现状 | 第12-15页 |
| 1.2.3 增强学习与分类问题的相关研究 | 第15-16页 |
| 1.2.4 存在的问题与解决思路 | 第16-17页 |
| 1.3 本课题的研究内容 | 第17页 |
| 1.4 本课题的研究意义 | 第17-18页 |
| 1.5 本文的组织结构 | 第18-19页 |
| 第二章 深度增强学习相关理论 | 第19-31页 |
| 2.1 增强学习概述 | 第19-21页 |
| 2.2 增强学习原理 | 第21-23页 |
| 2.2.1 马尔科夫决策过程 | 第21-22页 |
| 2.2.2 价值函数与贝尔曼方程 | 第22-23页 |
| 2.3 增强学习算法 | 第23-26页 |
| 2.3.1 蒙特卡罗法 | 第24页 |
| 2.3.2 Q学习 | 第24-25页 |
| 2.3.3 探索与利用 | 第25-26页 |
| 2.4 深度增强学习算法 | 第26-30页 |
| 2.4.1 基于价值函数的算法 | 第26-28页 |
| 2.4.2 基于策略梯度的算法 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于深度增强学习的不平衡二分类模型 | 第31-56页 |
| 3.1 基于DQN的不平衡二分类模型设计 | 第31-37页 |
| 3.1.1 算法建模 | 第31-34页 |
| 3.1.2 算法总述 | 第34-35页 |
| 3.1.3 理论分析 | 第35-37页 |
| 3.2 实验方案与评价指标 | 第37-39页 |
| 3.3 数据集与参数设置 | 第39-43页 |
| 3.3.1 数据集简介 | 第39-40页 |
| 3.3.2 实验数据处理 | 第40-42页 |
| 3.3.3 参数设置 | 第42-43页 |
| 3.4 实验结果与分析 | 第43-55页 |
| 3.4.1 模型有效性分析的实验 | 第43页 |
| 3.4.2 不同算法的对比实验 | 第43-49页 |
| 3.4.3 分类策略收敛特性的实验 | 第49-51页 |
| 3.4.4 不同回报函数的对比实验 | 第51-53页 |
| 3.4.5 模型可靠性分析的实验 | 第53-55页 |
| 3.5 实验总结 | 第55页 |
| 3.6 本章小结 | 第55-56页 |
| 第四章 基于深度增强学习的不平衡多分类模型 | 第56-62页 |
| 4.1 概述 | 第56页 |
| 4.2 解决思路 | 第56-57页 |
| 4.3 实验准备 | 第57-58页 |
| 4.3.1 实验数据集 | 第57-58页 |
| 4.3.2 评价指标 | 第58页 |
| 4.4 实验结果与分析 | 第58-61页 |
| 4.5 实验总结 | 第61页 |
| 4.6 本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附件 | 第71页 |
