摘要
第一章 引言
1.1 研究背景
1.2 国内外研究动态
1.3 本文主要内容及组织结构
第二章 背景知识
2.1 支持向量机简介
2.2 粒度计算理论
2.3 关联规则挖掘理论
2.4 本章小结
第三章 基于多维关联规则挖掘的粒度支持向量机学习方法
3.1 粒度支持向量机学习原理
3.1.1 粒度支持向量机基本原理
3.1.2 基于关联规则的粒度支持向量机学习模型
3.2 基于多维关联规则的粒划分
3.2.1 原始空间上的粒划分
3.2.2 核空间的粒划分
3.3 基于多维关联规则挖掘的粒度SVM学习方法
3.3.1 AR-GSVM和AR-KGSVM学习原理
3.3.2 AR-GSVM和AR-KGSVM学习算法
3.4 实验结果与分析
3.4.1 粒度参数的选择
3.4.2 算法有效性验证
3.5 本章小结
第四章 AR-GSVM和AR-KGSVM在非平衡数据处理中的应用
4.1 非平衡数据简介
4.2 非平衡数据处理方法
4.3 分类器性能评价标准
4.4 实验结果与分析
4.4.1 在同一数据集上不同正负比例下的实验结果
4.4.2 在UCI数据集上分类能力的实验结果
4.5 本章小结
第五章 总结与展望
参考文献
致谢
攻读学位期间取得的研究成果
个人简况及联系方式
声明