1 导论 1
1.1 本书的研究背景与意义 1
1.2 本书主要研究内容 4
1.3 研究方法和研究思路 5
1.4 本书的创新性 6
参考文献 7
2 基于数学规划的数据挖掘分类模型研究热点及应用概述 9
2.1 数据挖掘分类模型的重要性 9
2.2 数据挖掘分类模型的发展历史 10
2.3 基于数学规划的分类模型研究热点及进展 12
2.4 本书对基于数学规划分类模型的研究要点 16
参考文献 18
3 数据准备，结果评价及优化工具 26
3.1 问题的提出 26
3.2 分类模型的评价方法 27
3.3 模型参数的优化方法 30
3.4 数据挖掘常用工具 34
参考文献 43
4 机器学习分类模型改进研究 44
4.1 问题的提出 44
4.2 MK-LS-SVM模型介绍 45
4.3 L1-LS-SVM模型介绍 57
4.4 基于ES的自适应Lp-LS-SVM模型介绍 62
参考文献 71
5 多目标规划数据挖掘分类模型改进研究 74
5.1 问题的提出 74
5.2 MK-MCP模型介绍 74
5.3 L1-MK-MCP模型介绍 80
参考文献 84
6 知识管理应用——信用风险评价 87
6.1 引言 87
6.2 MK-LS-SVM和MK-MCP模型信用风险分析应用 89
6.3 L1-LS-SVM和L1-MK-MCP模型信用风险分析应用 95
6.4 基于ES的Lp-LS-SVM模型的信用风险分析应用 100
6.5 五个改进模型信用风险评价结果比较分析 101
参考文献 102
7 知识管理应用——文本分类 105
7.1 引言 105
7.2 文本挖掘概念 105
7.3 文本分类概念 106
7.4 文本分类器评价指标 107
7.5 L1-LS-SVM文本分类器性能验证 107
参考文献 108
8 总结与展望 110
8.1 总结 110
8.2 需进一步研究的问题 111