声明
摘要
第1章 绪论
1.1 本文的研究背景及意义
1.2 国内外研究现状
1.2.1 不平衡数据处理方法的国内外研究现状
1.2.2 半监督分类的国内外研究现状
1.2.3 半监督特征选择的国内外研究现状
1.3 本文的主要研究内容
1.4 不平衡数据的评价准则
1.5 本章小结
第2章 基于ReliefF和聚类的不平衡数据特征选择方法
2.1 引言
2.2 特征选择简介
2.3 基于ReliefF和聚类的特征选择方法及其在信号识别中的应用
2.3.1 ReliefF算法概述
2.3.2 模糊C均值聚类
2.3.3 基于ReliefF和聚类的特征选择方法
2.3.4 实验结果与分析
2.3.5 结论
2.4 基于ReliefF和聚类的不平衡数据特征选择方法及其在信号识别中的应用
2.4.1 相关工作
2.4.2 基于ReliefF和聚类的不平衡数据特征选择方法
2.4.3 实验结果与分析
2.4.4 结论
2.5 本章小结
第3章 基于遗传算法的不平衡数据特征选择方法
3.1 引言
3.2 遗传算法
3.3 基于遗传算法的两类不平衡数据特征选择方法
3.3.1 引言
3.3.2 基于遗传算法的两类不平衡数据特征选择方法
3.3.3 在公共数据集上进行实验
3.3.4 应用于地空通信无线电信号识别当中
3.3.5 结论
3.4 基于遗传算法的多类不平衡数据特征选择方法
3.4.1 引言
3.4.2 相关工作
3.4.3 基于遗传算法的多类不平衡数据特征选择方法
3.4.4 实验结果与分析
3.4.5 结论
3.5 本章小结
第4章 基于Biased-SVM的不平衡数据半监督分类算法
4.1 引言
4.2 半监督学习概述
4.3 基于Biased-SVM的不平衡数据半监督分类算法
4.3.2 基于Biased-SVM的两类不平衡数据半监督分类算法
4.3.3 基于Biased-SVM的多类不平衡数据半监督分类算法
4.4 两类不平衡数据上的实验与分析
4.4.1 不平衡数据分类的评估指标
4.4.2 实验数据
4.4.3 实验结果与分析
4.5 多类不平衡数据上的实验与分析
4.5.1 不平衡数据分类的评估指标
4.5.2 实验数据
4.5.3 实验结果与分析
4.6 本章小节
第5章 基于证据理论和Biased-SVM的不平衡数据半监督分类方法
5.1 引言
5.2 相关工作
5.2.1 证据理论
5.2.2 不平衡支持向量机(Biased-SVM)
5.2.3 随机子空间集成分类法
5.3 基于证据理论和Biased-SVM的不平衡数据半监督分类方法
5.4 实验与分析
5.4.1 不平衡数据分类的评估指标
5.4.2 实验数据
5.4.3 实验结果与分析
5.5 本章小节
第6章 基于遗传算法和Biased-SVM的不平衡数据半监督特征选择方法
6.1 引言
6.2 半监督特征选择
6.3 基于遗传算法和Biased-SVM的不平衡数据半监督特征选择方法
6.3.2 基于遗传算法和Biased-SVM的不平衡数据半监督特征选择方法
6.4 实验
6.4.1 不平衡数据特征选择的评估指标
6.4.2 实验数据
6.4.3 实验结果与分析
6.5 本章小结
7.1 本文研究工作总结
7.2 未来工作展望
致谢
参考文献
攻读博士学位期间的科研工作