1、隨著信息技術(shù)的發(fā)展，尤其是數(shù)據(jù)獲取技術(shù)和數(shù)據(jù)存儲技術(shù)的發(fā)展，人們幾乎可以隨時隨地獲取數(shù)量巨大的數(shù)據(jù)，并存儲下來。然而，數(shù)據(jù)本身的價值有限，如果沒有一種有效的工具幫助我們對數(shù)據(jù)進行分析和處理、把數(shù)據(jù)轉(zhuǎn)化成知識，面對數(shù)量龐大的數(shù)據(jù)，我們就顯得束手無策。幸運的是，機器學習和數(shù)據(jù)挖掘為我們提供了一種數(shù)據(jù)分析和挖掘的工具。機器學習是指系統(tǒng)根據(jù)經(jīng)驗改善自身的性能。在過去的三十年里，機器學習研究獲得了前所未有的發(fā)展，并在多個領(lǐng)域取得了成功的應用。本文

2、以生物特征識別中指紋圖像分割和商業(yè)領(lǐng)域中的交叉銷售問題為背景，深入開展了機器學習算法的應用研究。
　　 指紋圖像分割是指紋識別中的一個重要的預處理步驟。指紋分割的目的是把包含指紋紋理特征的前景從背景圖像中分割出來。傳統(tǒng)的指紋分割算法都是使用手工分割的指紋圖像通過監(jiān)督學習或者是依靠專家的經(jīng)驗構(gòu)建一個分割模型，耗費大量的人力。隨著基于生物特征的身份認證的應用領(lǐng)域的不斷擴展，網(wǎng)絡環(huán)境下的指紋識別面臨著設(shè)備互操作性問題。與傳統(tǒng)的分割算法

3、利用多幅指紋的共性信息進行分割不同的是，本文提出了一種只依靠輸入指紋自身的信息，通過半監(jiān)督學習技術(shù)訓練一個分割模型，實現(xiàn)了個性化指紋分割，具有良好的設(shè)備互操作性，而且，訓練模型時不再需要手工分割后的指紋圖像作為訓練樣本，提高了自動指紋識別系統(tǒng)的自動化水平。
　　 另外，本文系統(tǒng)研究了類別不平衡問題以及類別不平衡學習算法在交叉銷售等商業(yè)領(lǐng)域中的應用研究。研究指出了類別不平衡問題主要存在的應用領(lǐng)域，回顧了針對類別不平衡問題舉辦的學術(shù)