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
1.2.1 分类框架
1.2.2 数据选择
1.2.3 数据归一化
1.2.4 数据估算
1.2.5 降低纬度方法
1.3 论文的研究内容与目标
1.4 论文组织结构
第2章 相关工作
2.1 回归算法
2.1.1 传统统计方法
2.1.2 广义投射追求回归
2.1.3 神经网络和支持向量机
2.1.4 决策树
2.1.5 基于索引的方法
2.1.6 分段或分段回归
2.2 不平衡数据的学习
2.2.1 决策树
2.2.2 支持向量机
2.2.3 K最近邻分类算法
2.3 结论
第3章 BINER算法:基于二进制搜索的有效回归
3.1 BINER算法的直觉和方法
3.2 BINER算法
3.2.1 成分分析
3.3 实验研究
3.3.1 性能模型
3.2.2 结论
3.3.3 讨论
3.4 结论
第4章 CLUEKR算法:高效的基于KNN算法的回归聚类
4.1 CLUEKR算法
4.1.1 预处理
4.1.2 实际算法
4.1.3 复杂度分析
4.2 实验性研究
4.2.1 模型仿真运算
4.3 CLUEKR算法分类任务
4.3.1 算法
4.3.2 实验性研究
4.4 结论
第5章 基于类的加权K最近邻算法
5.1 关于加权因子设计的实验研究
5.1.1 KNN分类器基于类的加权因子的设计
5.1.2 KNN分类器的改进设计
5.1.3 只考虑查询实例附近区域的设计
5.1.4 模拟仿真
5.1.5 改进KNN算法模拟实施步骤
5.1.6 实验性研究
5.1.7 结论
5.2 作者提出的算法
5.2.1 权重因子的性质
5.2.2 成分分析
5.3 实验性研究
5.3.1 性能模型
5.4 结论
第6章 基于类的加权KNN算法与CLUEKR算法集成
6.1 研究基础
6.2 整合步骤
6.3 实验性研究
第7章 结论
7.1 成果
7.2 未来的工作
参考文献
致谢
作者简介及读研期间主要科研成果