基于凸包和最近异类的样本选择算法研究

目录

第1章 绪论

1.1 研究背景及意义

1.2 支持向量机分类模型

1.2.1 SVM分类器

1.2.2基于SVM的多分类算法

1.3 本文创新点

1.4 论文结构安排

第2章 样本选择算法综述

2.1 样本选择算法研究现状

2.2 样本选择算法分类

2.2.1 基于样本搜索方向的分类

2.2.2 基于选择样本类型的分类

2.2.3 基于搜索评估方式的分类

2.2.4 样本选择方法的评价指标

2.3 本章小结

第3章 基于凸包和最近异类的样本选择算法

3.1相关概念定义

3.2 数据去噪

3.3 CNEIS算法

3.4α -CNEIS算法

3.5 实验及分析

3.5.1 实验数据集

3.5.2 评价指标

3.5.3 对比算法

3.5.4 去噪力度分析

3.5.5 准确率和压缩率分析

3.5.6 α值对α-CNEIS算法准确率的影响

3.5.7 二维数据集分析

3.6 本章小结

第4章 基于最近异类的全边界样本选择算法

4.1 样本选择算法流程

4.2 CNENet算法

4.3 实验

4.3.1 人工生成数据集

4.3.2 样本选择算法准确率对比

4.3.3 二维数据集实验分析

4.4 金融领域应用——顾客信用

4.5 本章小结

第5章 总结与展望

参考文献

发表论文和参加科研情况说明

致谢