声明
摘要
第一章 绪论
1.1 选题的背景及意义
1.2 本文主要的研究内容
1.3 本文组织结构
第二章 不均衡数据集的研究现状
2.1 不均衡数据集的特点
2.2 不均衡数据集分类的研究现状
2.2.1 数据层面上的方法
2.2.2 算法层面上的方法
2.2.3 分类置的性能评价指标
2.3 本章小结
第三章 基于样本KNN分布概率模型的主动学习算法
3.1 主动学习
3.1.1 主动学习根据样倒选择的分类
3.1.2 常见的主动学习算法
3.1.3 主动学习和监督学习的比较
3.2 本文的主动学习方法
3.2.1 样本KNN分布的概率模型方法
3.2.2 实验与结果分析
3.3 本章小结
第四章 基于改进Tri-training的半监督学习算法
4.1 半监督学习
4.1.1 按照半监督学习目的分类
4.1.2 按照半监督学习方式分类
4.1.3 半监督学习和主动学习的比较
4.2 本文所改进的半监督学习方法
4.2.1 Tri-training算法的改进
4.2.2 实验与结果分析
4.3 本章小结
第五章 基于主动半监督学习的不均衡数据分类算法
5.1 主动半监督协同训练分类算法
5.2 算法整体描述
5.3 实验及结果分析
5.3.1 实验所用的数据集
5.3.2 实验设置
5.3.3 实验结果与分析
5.4 本章小结
第六章 总结与展望
6.1 论文工作总结
6.2 研究工作展望
参考文献
攻读硕士学位期间发表的学术论文
致谢
厦门大学;