首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

极限学习机在类不平衡学习中的应用研究

摘要第6-7页
Abstract第7-8页
第1章 绪论第17-23页
    1.1 课题的研究背景与意义第17页
    1.2 国内外研究现状第17-20页
        1.2.1 类不平衡问题研究现状第17-19页
        1.2.2 一类分类研究现状第19-20页
        1.2.3 极限学习机研究现状第20页
    1.3 本文研究内容第20-21页
    1.4 本文的组织结构第21-23页
第2章 相关技术概述第23-43页
    2.1 引言第23页
    2.2 类不平衡学习算法第23-29页
        2.2.1 采样技术第23-26页
        2.2.2 代价敏感学习技术第26-28页
        2.2.3 决策输出补偿技术第28-29页
    2.3 极限学习机相关算法第29-34页
        2.3.1 极限学习机第29-31页
        2.3.2 类不平衡对极限学习机的影响第31-32页
        2.3.3 加权极限学习机第32-34页
    2.4 一类分类算法第34-40页
        2.4.1 基于密度的一类分类器第34-37页
        2.4.2 基于支持域的一类分类器第37-38页
        2.4.3 基于神经网络的一类分类器第38-39页
        2.4.4 基于聚类的一类分类器第39-40页
    2.5 类不平衡学习的性能评价测度第40-43页
第3章 耦合样本先验分布信息加权算法第43-57页
    3.1 引言第43页
    3.2 本章相关工作第43-45页
        3.2.1 模糊加权极限学习机第43-44页
        3.2.2 样本采样极限学习机第44-45页
    3.3 耦合样本先验信息加权极限学习机第45-48页
        3.3.1 不纯度指标第45-46页
        3.3.2 隶属度函数及权重矩阵第46页
        3.3.3 CPWELM算法流程及分类面第46-48页
    3.4 实验结果及分析第48-55页
        3.4.1 数据集第48-50页
        3.4.2 实验及参数设置第50-51页
        3.4.3 结果与讨论第51-54页
        3.4.4 统计结果分析第54-55页
    3.5 本章小结第55-57页
第4章 模糊一类极限自编码器第57-71页
    4.1 引言第57页
    4.2 本章相关工作第57-59页
        4.2.1 一类极限学习机第57-58页
        4.2.2 非参数概率密度估计第58-59页
    4.3 模糊一类极限自编码器第59-63页
        4.3.1 KNN相对概率密度估计第59-60页
        4.3.2 隶属度函数及权重矩阵第60页
        4.3.3 模糊一类极限自编码器基本流程及分类边界第60-63页
    4.4 实验结果及分析第63-69页
        4.4.1 数据集第63页
        4.4.2 实验及参数设置第63-65页
        4.4.3 实验结果及讨论第65-68页
        4.4.4 统计结果分析第68-69页
    4.5 本章小结第69-71页
第5章 总结与展望第71-73页
    5.1 总结第71-72页
    5.2 展望第72-73页
参考文献第73-79页
攻读学位期间发表的学术论文第79-81页
致谢第81-82页
大摘要第82-86页

论文共86页,点击 下载论文
上一篇:水利泵站监测信息系统及其泵站节能研究
下一篇:基于博弈论的工业控制网络入侵防御技术研究