声明
第1章 绪 论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 高维数据研究现状
1.2.2 不平衡数据研究现状
1.3 本文研究内容
1.4 本文组织架构安排
第2章 相关研究综述
2.1 高维数据概述
2.1.1 高维数据特点
2.1.2 高维数据处理技术
2.2 高维中的hubness现象
2.2.1 hubness现象
2.2.2 hubs与bad hubs
2.3 Hubness相关算法
2.3.1 基于hubness的聚类算法
2.3.2 基于hubness的模糊分类算法
2.3.3 基于hubness的kNN分类算法
2.3.4 基于hubness的朴素贝叶斯算法
2.4 不平衡数据概述
2.5 不平衡数据处理技术
2.5.1 数据重采样方法
2.5.2 代价敏感方法
2.5.3 集成学习方法
2.6 本章小结
第3章 基于Hubness与过采样的高维不平衡分类算法
3.1 研究动机
3.2 算法思想
3.3 算法流程
3.3.1 原始的AdaBoost算法
3.3.2 基于Hubness的AdaBoost算法
3.3.3 引入过采样SMOTE
3.3.4 HIBoost算法实现过程
3.4 实验研究
3.4.1 实验数据
3.4.2 对比算法
3.4.3 性能评价指标
3.4.4 实验结果与分析
3.4.5 实验参数选取设置
3.5 本章小结
第4章 基于Hubness与欠采样的高维不平衡分类算法
4.1 研究动机
4.2 算法思想
4.3 算法流程
4.3.1 原始的RUSBoost
4.3.2 基于Hubness的RUSBoost算法
4.3.3 引入聚类欠采样
4.3.4 HUBoost算法实现过程
4.4 实验研究
4.4.1 实验结果与分析
4.4.2 实验参数解释与设置
4.5 本章小结
第5章 系统设计与实现
5.1 系统架构设计
5.2 数据收集与数据库设计
5.3 模型训练与迭代
5.4 模型预测接口定义与实现
5.5 前端展示页面设计
5.6 本章小结
结论
参考文献
附录A 攻读硕士学位期间所发表的学术论文目录
致谢
湖南大学;