不平衡数据集分类问题研究grpcv.doc

不平衡数据集分类问题研究 学号：2009021251 姓名：孙晓燕 ：1XXXXXXXXXX Email ：xiaomeixi_1987@163 所在学院：信息科学与工程学院 单位代码 10445 学 号 2009021251 1 分 类 号 TP391 研究生类别 全日制 硕 士 学 位 论 文 论文题目 不平衡数据集分类问题研究 学科专业名称：计算机软件与理论 申 请人姓 名：孙晓燕 指 导 教 师：张化祥 教授 论文提交时间：2012 年 6 月 15 日 独 创 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。 据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写 过的研究成果，也不包含为获得 （注：如没有其他需要特别声明的，本 栏可空）或其他教育机构的学位或证书使用过的材料。与我一同工作的同志对本研究所做 的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名： 学位论文版权使用授权书 本学位论文作者完全了解 学校 有关保留、使用学位论文的规定，有权保留并向国家 有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权 学校 可以 将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复 制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书） 学位论文作者签名： 导师签字： 签字日期：20 年 月 日 签字日期：20 年 月 日 山东师范大学硕士学位论文 目录 摘要I ABSTRACT III 第一章 绪论 1 1.1 课题研究背景及意义 1 1.2 本文主要研究内容及创新点 2 1.3 本文组织结构 2 第二章 不平衡数据集领域的研究现状 4 2.1 不平衡数据集分类难点 4 样本缺失 4 不恰当的评价标准 4 数据噪声 4 不恰当的归纳偏置 5 2.2 不平衡数据集研究现状 5 数据层面方法 5 算法层面方法 7 评价标准 8 2.3 分类器的性能评估方法 10 测试集 10 交叉验证 11 其他估计方法 11 第三章 KNN 算法在不平衡数据集中的应用 13 3.1 KNN 算法概述 13 3.2 遗传算法概述 14 3.3 基于KNN 算法的少数类样本生成方法――G-KNN 算法 14 3.4 G-KNN 算法实验 16 G-KNN 算法实验设计 16 G-KNN 实验结果及分析 17 3.5 总结 18 第四章 基于Bagging 的欠抽样集成学习算法 19 4.1 Bagging