| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 集成学习 | 第9-10页 |
| 1.2.2 集成剪枝 | 第10-11页 |
| 1.2.3 帕累托占优 | 第11页 |
| 1.3 论文安排 | 第11-13页 |
| 第二章 帕累托优化与集成剪枝 | 第13-24页 |
| 2.1 帕累托优化理论 | 第13-15页 |
| 2.1.1 多目标优化 | 第13页 |
| 2.1.2 帕累托优化 | 第13-15页 |
| 2.2 集成剪枝 | 第15-23页 |
| 2.2.1 集成剪枝的提出与概念 | 第15-16页 |
| 2.2.2 集成剪枝的理论 | 第16-20页 |
| 2.2.3 集成剪枝算法 | 第20-22页 |
| 2.2.4 集成剪枝的发展 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 融入差异性的帕累托集成剪枝方法 | 第24-38页 |
| 3.1 帕累托集成剪枝方法 | 第24-27页 |
| 3.2 差异性度量 | 第27-31页 |
| 3.2.1 成对的差异性度量 | 第28-29页 |
| 3.2.2 非成对的差异性度量 | 第29-31页 |
| 3.3 融入差异性的集成剪枝 | 第31-34页 |
| 3.4 实验 | 第34-37页 |
| 3.4.1 实验说明 | 第34-35页 |
| 3.4.2 实验结果分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于不平衡数据的帕累托集成剪枝方法 | 第38-51页 |
| 4.1 基于不平衡数据集的处理方法 | 第38-41页 |
| 4.1.1 不平衡数据的特征 | 第39页 |
| 4.1.2 常用不平衡数据分类方法 | 第39-41页 |
| 4.2 最小最大模块化概念 | 第41-43页 |
| 4.2.1 任务划分 | 第41-43页 |
| 4.3 帕累托集成剪枝方法在最小最大模块化中的应用 | 第43-45页 |
| 4.3.1 基于不平衡数据的帕累托集成剪枝方法 | 第43-45页 |
| 4.4 实验 | 第45-50页 |
| 4.4.1 实验说明 | 第45-48页 |
| 4.4.2 实验结果分析 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 未来工作 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第57-58页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第58-59页 |
| 致谢 | 第59页 |