基于不平衡数据的分类方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·课题研究背景及意义 | 第9-11页 |
| ·不平衡数据分类研究背景及现状 | 第11-12页 |
| ·不平衡数据分类研究目的与成果 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| ·本章小结 | 第15-17页 |
| 2 不平衡分类方法概述 | 第17-29页 |
| ·问题引出 | 第17-18页 |
| ·传统分类方法 | 第18-23页 |
| ·SVM | 第18-20页 |
| ·KNN方法 | 第20-21页 |
| ·决策树 | 第21-22页 |
| ·AdaBoost | 第22-23页 |
| ·不平衡数据集概述 | 第23-24页 |
| ·不平衡分类方法 | 第24-27页 |
| ·SMOTE | 第24-25页 |
| ·加权SVM | 第25-26页 |
| ·One Class SVM | 第26页 |
| ·SSLM | 第26-27页 |
| ·SMOTEBoost | 第27页 |
| ·本章小结 | 第27-29页 |
| 3 DGC和IDGC原理 | 第29-39页 |
| ·牛顿万有引力定理 | 第29页 |
| ·DGC | 第29-32页 |
| ·数据引力 | 第29-31页 |
| ·数据引力定律 | 第31页 |
| ·DGC分类原理 | 第31-32页 |
| ·IDGC | 第32-35页 |
| ·IDGC分类原理 | 第33-34页 |
| ·特征权值计算 | 第34-35页 |
| ·适应值评估 | 第35页 |
| ·数据质点创建 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 4 改进算法原理和仿真实验 | 第39-55页 |
| ·IDGC-KNN算法原理 | 第40-44页 |
| ·测地距离 | 第40-41页 |
| ·IDGC-KNN算法原理 | 第41-42页 |
| ·GIDGC-KNN数据质点创建 | 第42-43页 |
| ·IDGC-KNN加权特征 | 第43页 |
| ·IDGC-KNN算法步骤 | 第43-44页 |
| ·仿真实验和分析 | 第44-54页 |
| ·实验数据集 | 第44-46页 |
| ·实验参数设置 | 第46-47页 |
| ·算法评估 | 第47页 |
| ·实验结果和分析 | 第47-54页 |
| ·本章小结 | 第54-55页 |
| 5 总结和展望 | 第55-59页 |
| ·总结 | 第55-56页 |
| ·展望 | 第56-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第65-67页 |
| 致谢 | 第67-69页 |
