面向不平衡数据的支持向量机决策树多分类方法研究 |
论文目录 | | 摘要 | 第1-5页 | ABSTRACT | 第5-9页 | 1 绪论 | 第9-15页 | 1.1 研究背景及意义 | 第9-10页 | 1.2 国内外研究现状 | 第10-12页 | 1.2.1 不平衡数据问题研究现状 | 第10-11页 | 1.2.2 基于SVM的多分类方法研究现状 | 第11-12页 | 1.3 研究内容及创新 | 第12-13页 | 1.4 论文结构 | 第13-15页 | 2 基础理论与相关知识 | 第15-25页 | 2.1 支持向量机算法 | 第15-19页 | 2.1.1 线性可分支持向量机 | 第15-16页 | 2.1.2 线性不可分支持向量机 | 第16-17页 | 2.1.3 核函数 | 第17-19页 | 2.2 支持向量机多类分类方法 | 第19-20页 | 2.2.1 一对一算法 | 第19页 | 2.2.2 有向无环图算法 | 第19-20页 | 2.2.3 支持向量机决策树方法 | 第20页 | 2.3 信息熵与熵的估值 | 第20-21页 | 2.3.1 信息熵 | 第20-21页 | 2.3.2 熵的估值 | 第21页 | 2.4 模型性能评价 | 第21-24页 | 2.4.1 混淆矩阵 | 第22-23页 | 2.4.2 其他性能评价指标 | 第23页 | 2.4.3 性能权衡的可视化 | 第23-24页 | 2.5 SMOTE算法 | 第24-25页 | 3 基于动态信息熵的SVM决策树改进算法 | 第25-33页 | 3.1 基于动态信息熵的特征选择策略 | 第25-26页 | 3.2 改进的欠采样方法 | 第26-28页 | 3.3 改进的新多分类方法DIE-SVMDT | 第28-30页 | 3.4 本章小结 | 第30-33页 | 4 实验及结果分析 | 第33-37页 | 4.1 实验平台介绍 | 第33页 | 4.2 实验内容及分析 | 第33-36页 | 4.2.1 数据预处理 | 第33-34页 | 4.2.2 实验内容与分析 | 第34-36页 | 4.3 本章小结 | 第36-37页 | 5 DIE-SVMDT算法在葡萄酒质量分类中的应用 | 第37-45页 | 5.1 概述 | 第37页 | 5.2 DIE-SVMDT多类分类方法应用 | 第37页 | 5.3 实验内容与分析 | 第37-43页 | 5.3.1 数据来源及数据处理 | 第37-40页 | 5.3.2 参数设置 | 第40-41页 | 5.3.3 实验结果与分析 | 第41-43页 | 5.4 本章小结 | 第43-45页 | 6 总结与展望 | 第45-47页 | 6.1 研究总结 | 第45-46页 | 6.2 研究前景与展望 | 第46-47页 | 参考文献 | 第47-51页 | 附录 | 第51-53页 | 攻读学位期间取得的研究成果 | 第53-55页 | 致谢 | 第55-59页 |
|
|
|
| |