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