异构代价敏感决策树与随机森林核心技术
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·主要研究内容和创新点 | 第12-13页 |
| ·全文的组织和安排 | 第13-14页 |
| 第2章 决策树与集成分类学习的基本理论 | 第14-24页 |
| ·决策树的基本理论 | 第14-18页 |
| ·ID3算法简介 | 第15-17页 |
| ·C4.5算法简介 | 第17-18页 |
| ·集成分类器的基本理论 | 第18-20页 |
| ·构建集成分类器的方法 | 第19-20页 |
| ·装袋(bagging) | 第20-21页 |
| ·提升(AdaBoost) | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于异构代价敏感决策树的分类器算法 | 第24-37页 |
| ·代价敏感学习介绍 | 第24-26页 |
| ·异构代价敏感决策树算法相关工作 | 第26-30页 |
| ·代价敏感决策树学习的研究 | 第26-27页 |
| ·异构代价敏感决策学习基础 | 第27-28页 |
| ·异构代价敏感分裂属性选择的研究 | 第28-30页 |
| ·HCSDT方法 | 第30-32页 |
| ·基于ASF的分裂属性选择 | 第30-32页 |
| ·构建异构代价敏感决策树 | 第32-34页 |
| ·异构代价敏感决策树剪枝策略 | 第33-34页 |
| ·异构代价敏感决策树实验研究 | 第34-36页 |
| ·实验在不同缺失值情况下 | 第34-35页 |
| ·实验在不同的测试代价下 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 基于异构代价敏感随机森林的分类器算法 | 第37-47页 |
| ·随机森林 | 第37-40页 |
| ·随机森林的基本概念 | 第37-38页 |
| ·随机森林的基本原理 | 第38-39页 |
| ·随机森林的优缺点 | 第39-40页 |
| ·异构代价敏感决策随机森林 | 第40-41页 |
| ·改进异构代价敏感随机森林的基本思想 | 第41-42页 |
| ·改进分裂属性集选择的异构代价敏感随机森林 | 第42-44页 |
| ·改进后的异构代价敏感随机森林实验研究 | 第44-45页 |
| ·实验在不同缺失值情况下 | 第44页 |
| ·实验在不同的测试代价下 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第5章 全文总结与展望 | 第47-49页 |
| ·总结 | 第47-48页 |
| ·进一步工作 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 在学期间科研成果 | 第54-55页 |
| 致谢 | 第55-56页 |
