不平衡数据集的分类算法设计与实现.doc

  • 需要金币1000 个金币
  • 资料目录论文助手 > 大学本科 > 工业大学 >
  • 转换比率:金钱 X 10=金币数量, 例100元=1000金币
  • 论文格式:Word格式(*.doc)
  • 更新时间:2018-09-15
  • 论文字数:10739
  • 课题出处:(无悔青春)提供原创资料
  • 资料包括:完整论文

支付并下载

摘要:不平衡数据集中,由于少类样本和多类样本的不平衡,在分类过程中容易产生难以分类和错误分类的现象。而本文主要针对不平衡数据集的分类特点,设计出一种组合分类器,适用于不平衡数据集的分类。

本文确定采用decision stump(单层决策树)作为基本分类器,先对数据集进行预先采样处理,减缓不平衡度,单独的基本分类器效果有限,但是通过adaboost算法可以有效提高分类效果,并且体现出adaboost算法的优点。

由于算法中通过改变正类样本的权值,从而重视对少类样本的分类,所以在一定程度上能够提高整体的分类效果,实现不平衡数据集的分类设计。

 

    关键词:不平衡数据集;adaboost算法;decision stump;基本分类器

 

目录

摘要

Abstract

第一章 绪论-3

1.1  课题研究背景和意义-3

1.2  研究现状-3

1.3研究内容和意义-5

第二章 不平衡数据集-7

2.1 不平衡数据集概述-7

2.2 不平衡数据集分类难点-7

2.2.1样本缺失-7

2.2.2不恰当的评价标准-7

2.2.3数据噪声-8

2.3不平衡数据集分类算法的性能指标-8

2.4本章小结-9

第三章 数据采样-10

3.1过采样技术-10

3.2欠采样技术-10

3.3 SMOTE算法采样-10

3.4 本章小结-11

第四章 基本分类器-12

4.1模式分类概念-12

4.2模式分类流程-12

4.3 decision stump(单层决策树)-13

4.4本章小结-13

第五章 分类器组合算法(Adaboost算法)-15

5.1 Adaboost算法概述-15

5.2 Adaboost算法流程介绍-15

5.2.1 AdaBoost算法描述-15

5.2.2 AdaBoost算法流程-15

5.4算法流程图-17

5.5 adaboost算法优点-19

5.6 整体设计框架图-19

第六章  基于Adaboost算法的实验结果分析-21

6.1实验数据-21

6.2实验数据结果-21

6.3分类结果变化图-22

6.3.1 demo数据集分类结果-22

6.3.2 heart数据集分类结果-23

6.3.3 usps数据集分类结果-23

6.4 实验结果分析-24

第七章 总结与展望-25

致谢-26

参考文献-27


支付并下载

提示:本站支持手机(IOS,Android)下载论文,如果手机下载不知道存哪或打不开,可以用电脑下载,不会重复扣费