不均衡数据分类问题是机器学习和模式识别领域的研究**。陶新民、刘福荣和杜宝祥著的《不均衡数据SVM分类算法及其应用》以SVM为分类器给出基于0DR的欠抽样、基于谱聚类的欠抽样以及基于阴性免疫的过抽样算法。《不均衡数据SVM分类算法及其应用》根据SVM分类算法的自身特点，将SVM算法与集成算法相结合给出基于核聚类集成的不均衡数据分类算法，以及基于核矩阵偏移和主动学习欠抽样的不均衡数据SVM分类算法。*后，本书将不均衡SVM分类算法应用到故障诊断领域。

**章 概述
1.1 问题的本质
1.2 国内外不均衡学习研究现状
1.2.1 算法层面的处理方法
1.2.2 样本层面的处理方法
1.3 评估指标
1.4 本书的安排
第二章 支持向量机综述
2.1 支持向量机
2.1.1 *优分类界面的定义
2.1.2 *优分类界面的构建
2.1.3 广义*优分类界面
2.1.4 支持向量机的构建
2.2 核函数
2.2.1 高斯核函数
2.2.2 多项式核函数
2.2.3 S型核函数
2.3 不均衡数据对sVM性能的影响
2.4 本章小结
第三章 不均衡学习的抽样方法
第四章 基于ODR和BSMOTE的不均衡SVM分类算法
第五章 基于阴性免疫过抽样的不均衡分类算法
第六章 基于谱聚类欠抽样不均衡SVM分类算法
第七章 集成方法
第八章 集成算法的理论分析
第九章 两类���均衡数据学习的代价敏感学习算法
第十章 基于核聚类欠抽样集成不均衡SVM分类算法
第十一章 核偏移及主动学习欠抽样不均衡SVM算法
第十二章 不均衡SVM分类算法在故障诊断中的应用
第十三章 结论与展望
参考文献