| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第2章 相关概念和理论知识综述 | 第17-35页 |
| 2.1 数据挖掘分类算法概述 | 第17-19页 |
| 2.1.1 分类的基本概念与一般性过程 | 第17-18页 |
| 2.1.2 分类器集成 | 第18-19页 |
| 2.2 代表性的单一分类器模型构造方法 | 第19-27页 |
| 2.2.1 C4.5决策树算法 | 第19-21页 |
| 2.2.2 朴素贝叶斯算法 | 第21-23页 |
| 2.2.3 支持向量机算法 | 第23-25页 |
| 2.2.4 BP神经网络算法 | 第25-27页 |
| 2.3 代表性的分类器集成方法 | 第27-28页 |
| 2.3.1 Boosting算法 | 第27-28页 |
| 2.3.2 Bagging算法 | 第28页 |
| 2.4 智能优化算法 | 第28-31页 |
| 2.4.1 多种群遗传算法 | 第28-30页 |
| 2.4.2 耗散粒子群算法 | 第30-31页 |
| 2.5 基于遗传算法的选择性集成算法 | 第31-32页 |
| 2.6 分类器评价 | 第32-34页 |
| 2.6.1 评价指标 | 第32-33页 |
| 2.6.2 评价方法 | 第33-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第3章 平衡与非平衡数据集上单分类器分类性能比较研究 | 第35-48页 |
| 3.1 WEAK平台介绍 | 第35-38页 |
| 3.1.1 用户接口 | 第35-36页 |
| 3.1.2 数据格式 | 第36-38页 |
| 3.2 实验方案设计 | 第38-41页 |
| 3.2.1 实验目的 | 第38页 |
| 3.2.2 实验数据来源及数据集选择策略 | 第38-39页 |
| 3.2.3 数据预处理 | 第39-41页 |
| 3.2.4 分类器选择及分类性能评价指标 | 第41页 |
| 3.3 实验及结果分析 | 第41-47页 |
| 3.3.1 实验目的 | 第41-44页 |
| 3.3.2 分类器稳定性比较 | 第44-45页 |
| 3.3.3 泛化能力比较 | 第45-47页 |
| 3.3.4 实验结论 | 第47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 平衡与非平衡数据集上集成分类器的性能比较研究 | 第48-62页 |
| 4.1 分类器集成 | 第48-55页 |
| 4.1.1 分类器集成的基本过程与核心问题 | 第48页 |
| 4.1.2 基分类器获得方法与实现差异性的主要策略 | 第48-50页 |
| 4.1.3 基分类器差异性度量方法 | 第50-53页 |
| 4.1.4 多分类器的组合方法 | 第53-54页 |
| 4.1.5 基于差异性度量的分类器集成方法 | 第54-55页 |
| 4.2 实验数据与实验方案 | 第55-56页 |
| 4.2.1 分类器集成的基本过程与核心问题 | 第55-56页 |
| 4.2.2 基分类器构造与集成方案设计 | 第56页 |
| 4.2.3 分类器性能指标设计 | 第56页 |
| 4.3 实验结果及分析 | 第56-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 一种基于非平衡数据分类问题的综合集成方法 | 第62-69页 |
| 5.1 非平衡数据集的特点及其所带来的主要问题 | 第62-63页 |
| 5.2 基于非平衡数据集的Bagging集成分类算法改进 | 第63-65页 |
| 5.2.1 算法改进的背景及策略 | 第63-64页 |
| 5.2.2 基于Bagging算法改进的基分类器构造 | 第64-65页 |
| 5.2.3 基于混合算法的基分类器选择性集成 | 第65页 |
| 5.3 实验与结果分析 | 第65-68页 |
| 5.3.1 初始数据集类平衡特性 | 第66页 |
| 5.3.2 处理后数据集类平衡特性 | 第66页 |
| 5.3.3 分类器分类性能比较 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75页 |
