声明
1. 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 原型选择算法的研究现状
1.2.2 CURE聚类算法研究现状
1.2.3 不平衡数据集研究现状
1.3 本文研究目的和内容安排
2. 预备知识
2.1 K最近邻分类器
2.2 原型选择
2.2.1 原型选择相关概念
2.2.2 原型选择的分类
2.2.3 原型选择的评价指标
2.3 聚类分析
2.3.1 聚类分析的基本概念
2.3.2 聚类分析的类型
2.3.3 聚类方法的评价指标
2.4 不平衡数据集
2.4.1 不平衡数据集的分类
2.4.2 不平衡数据集的评价指标
2.5 本章小结
3. 基于共享最近邻密度和最大最小距离的CURE聚类算法
3.1 基于共享最近邻密度的去噪方法
3.2 最大最小距离算法
3.3 CURE聚类算法
3.3.1 CURE聚类算法的基本思想
3.3.2 CURE聚类算法的优缺点
3.4 基于共享最近邻密度和最大最小距离的CURE聚类算法
3.5 实验结果及分析
3.5.1 合成数据集上算法性能验证
3.5.2 UCI数据集上算法性能验证
3.6 本章小结
4. 基于改进的CURE聚类的原型选择算法
4.1 算法思想
4.2 算法流程
4.3 实验结果及分析
4.3.1 实验目的
4.3.2 实验结果
4.4 本章小结
5. 原型选择在不平衡数据集中的应用
5.1 算法思想
5.2 算法流程
5.3 实验结果及分析
5.3.1 UCI数据集上的实验
5.3.2 窃电数据集上的实验
5.4 本章小结
6. 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读学位期间主要研究成果
西安理工大学;