声明
摘要
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文的工作与安排
第二章 相关工作
2.1 二分类学习的概述
2.2 二分类的度量准则
2.2.1 传统二分类的度量准则
2.2.2 不平衡二分类的度量准则
2.3 面向不平衡二分类的改进算法
2.4 稀疏模型概述
2.5 面向不平衡准则的稀疏模型
2.6 本章小结
第三章 基于割平面法的直接优化QM稀疏模型构造算法
3.1 算法的框架和目标函数
3.2 基于割平面算法的优化求解
3.2.1 割平面算法的基本思想
3.2.2 算法的优化求解
3.3 不平衡数据集上的实验
3.3.1 实验数据集及比较算法
3.3.2 算法参数对实验性能的影响
3.3.3 和其他算法的比较
3.4 本章小结
第四章 一种具有最优收敛速度的面向伪线性准则的稀疏随机模型构造算法
4.1 伪线性准则及特点
4.2 面向伪线性准则的稀疏随机算法
4.2.1 算法的框架
4.2.2 算法的内部优化
4.3 算法的复杂度分析
4.4 基于大规模数据集的实验
4.4.1 算法性能的比较与分析
4.4.2 算法的收敛性
4.4.3 算法稀疏度的比较与分析
4.5 本章小结
第五章 总结与展望
5.1 论文总结
5.2 未来工作的展望
参考文献
图索引
表索引
致谢
攻读硕士学位期间发表的学术论文
攻读硕士学位期间参加的科研项目