| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景 | 第9页 |
| ·国内外现状 | 第9-11页 |
| ·主要工作 | 第11-12页 |
| ·内容安排 | 第12-13页 |
| 第2章 不平衡数据分类的几种典型技术 | 第13-21页 |
| ·数据层面的处理方法 | 第13-15页 |
| ·过采样 | 第13-14页 |
| ·欠采样 | 第14-15页 |
| ·算法层面的处理方法 | 第15-19页 |
| ·代价敏感方法 | 第15-16页 |
| ·集成学习方法 | 第16-17页 |
| ·基于支持向量机的方法 | 第17-18页 |
| ·其他方法 | 第18-19页 |
| ·几种典型的分类评价准则 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 一种面向不平衡数据的结构化SVM集成算法 | 第21-30页 |
| ·引言 | 第21页 |
| ·Bagging简介 | 第21-23页 |
| ·结构化不平衡支持向量机介绍 | 第23-24页 |
| ·EStASVM算法 | 第24-29页 |
| ·算法思想 | 第25页 |
| ·EStASVM算法描述 | 第25-27页 |
| ·算法结果与分析 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 基于随机子空间的结构化SVM集成算法 | 第30-39页 |
| ·引言 | 第30页 |
| ·随机子空间方法 | 第30页 |
| ·特征选择 | 第30-32页 |
| ·RsStASVM算法 | 第32-38页 |
| ·算法思想 | 第32-34页 |
| ·RsStASVM算法描述 | 第34-35页 |
| ·算法结果与分析 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第5章 基于代价敏感及Adaboost的SVM集成分类器 | 第39-49页 |
| ·引言 | 第39页 |
| ·AdaBoost方法 | 第39-40页 |
| ·代价敏感支持向量机 | 第40-42页 |
| ·AdaStASVM算法 | 第42-47页 |
| ·AdaStASVM算法思想 | 第42-44页 |
| ·实验结果与分析 | 第44-47页 |
| ·本章小结 | 第47-49页 |
| 第6章 结束语 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 附录 | 第56-57页 |
| 致谢 | 第57页 |