声明
摘要
图目录
表目录
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 相关理论
2.1 二分类学习的概述
2.2 支持向量机的概述
2.2.1 支持向量机的基本原理
2.2.2 线性支持向量机
2.2.3 支持向量机的实现
2.3 二分类学习的度量标准———F-measure
2.4 代价敏感学习算法概述
2.5 直接优化F-measure算法概述
2.6 本章小结
第三章 一种融合代价敏感与直接优化F-measure的新型算法
3.1 从直接优化F-measure到代价敏感SVM
3.2 基于束方法算法的优化
3.2.1 束方法的基本思想
3.2.2 基于束方法的求解过程
3.3 实验结果与分析
3.3.1 折中因子对实验结果影响
3.3.2 代价参数对实验结果影响
3.3.3 不同算法性能对比实验
3.4 本章小结
第四章 面向大规模应用的高效直接优化F-measure算法
4.1 BM-CS算法的主问题波动
4.2 高效直接优化F-measure算法的实现
4.2.1 算法的基本思想
4.2.2 高效线性搜索算法的实现
4.3 算法的复杂度分析
4.4 实验结果与分析
4.4.1 实验数据集及比较算法
4.4.2 对比实验与分析
4.5 本章小结
第五章 总结与展望
5.1 论文总结
5.2 工作展望
参考文献
致谢
攻读硕士学位期间发表的论文
攻读硕士学位期间参加的科研项目
安徽大学;