|
|
|
不平衡数据集分类问题研究 |
|
论文目录 |
|
摘要 | 第1-8页 | ABSTRACT | 第8-10页 | 第一章 绪论 | 第10-13页 | ·课题研究背景及意义 | 第10-11页 | ·本文主要研究内容及创新点 | 第11页 | ·本文组织结构 | 第11-13页 | 第二章 不平衡数据集领域的研究现状 | 第13-22页 | ·不平衡数据集分类难点 | 第13-14页 | ·样本缺失 | 第13页 | ·不恰当的评价标准 | 第13页 | ·数据噪声 | 第13-14页 | ·不恰当的归纳偏置 | 第14页 | ·不平衡数据集研究现状 | 第14-19页 | ·数据层面方法 | 第14-16页 | ·算法层面方法 | 第16-17页 | ·评价标准 | 第17-19页 | ·分类器的性能评估方法 | 第19-22页 | ·测试集 | 第19-20页 | ·交叉验证 | 第20页 | ·其他估计方法 | 第20-22页 | 第三章 KNN 算法在不平衡数据集中的应用 | 第22-28页 | ·KNN 算法概述 | 第22-23页 | ·遗传算法概述 | 第23页 | ·基于 KNN 算法的少数类样本生成方法——G-KNN 算法 | 第23-25页 | ·G-KNN 算法实验 | 第25-27页 | ·G-KNN 算法实验设计 | 第25-26页 | ·G-KNN 实验结果及分析 | 第26-27页 | ·总结 | 第27-28页 | 第四章 基于 Bagging 的欠抽样集成学习算法 | 第28-37页 | ·Bagging 算法概述 | 第28-29页 | ·聚类算法概述 | 第29页 | ·基于 Bagging 的欠抽样集成学习算法描述 | 第29-32页 | ·实验结果及分析 | 第32-36页 | ·实验环境设计 | 第32-33页 | ·实验结果及分析 | 第33-36页 | ·结论 | 第36-37页 | 第五章 基于 AdaBoost 的抽样层算法 | 第37-48页 | ·AdaBoost 算法概述 | 第37-39页 | ·基于 Adaboost 的抽样层算法 | 第39-42页 | ·基于 Adaboost 的欠抽样集成学习算法 | 第39-40页 | ·基于 AdaBoost 的边界样本过抽样算法 | 第40-42页 | ·U- Ensemble 算法实验 | 第42-44页 | ·U- Ensemble 算法实验设计 | 第42-43页 | ·U- Ensemble 算法实验结果及分析 | 第43-44页 | ·BOBA 算法实验 | 第44-47页 | ·BOBA 算法实验设计 | 第44-45页 | ·BOBA 算法实验结果及分析 | 第45-47页 | ·本章小结 | 第47-48页 | 第六章 总结与展望 | 第48-49页 | ·本文研究内容总结 | 第48页 | ·下一步工作 | 第48-49页 | 参考文献 | 第49-52页 | 攻读硕士学位期间发表的论文和参与的项目 | 第52-53页 | 致谢 | 第53页 |
|
|
|
|
论文编号BS1671310,这篇论文共53页 会员购买按0.35元/页下载,共需支付18.55元。 直接购买按0.5元/页下载,共需要支付26.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|