| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 构建初始样例集研究现状 | 第10页 |
| 1.2.2 样例选择算法研究现状 | 第10-12页 |
| 1.2.3 终止条件研究现状 | 第12页 |
| 1.3 研究内容和目标 | 第12页 |
| 1.4 文章组织结构 | 第12-15页 |
| 第2章 相关知识 | 第15-25页 |
| 2.1 主动学习算法 | 第15-19页 |
| 2.1.1 概述 | 第15页 |
| 2.1.2 初始训练集的构建方法 | 第15-16页 |
| 2.1.3 样例选择算法 | 第16-18页 |
| 2.1.4 终止条件的设定 | 第18-19页 |
| 2.2 聚类算法 | 第19-21页 |
| 2.2.1 概述 | 第19-20页 |
| 2.2.2 K-Means聚类算法 | 第20-21页 |
| 2.3 分类算法 | 第21-24页 |
| 2.3.1 概述 | 第21-23页 |
| 2.3.2 支持向量机多类分类算法 | 第23-24页 |
| 2.4 小结 | 第24-25页 |
| 第3章 基于改进BvSB的样例选择算法 | 第25-37页 |
| 3.1 BvSB样例选择算法 | 第25-26页 |
| 3.2 balance-BvSB样例选择算法 | 第26-28页 |
| 3.2.1 类间均衡性问题 | 第26页 |
| 3.2.2 算法流程 | 第26-28页 |
| 3.3 Center+reBvSB样例均衡选择算法 | 第28-35页 |
| 3.3.1 孤立点问题 | 第28-29页 |
| 3.3.2 reBvsb样例均衡选择算法 | 第29-30页 |
| 3.3.3 Center+reBvSB样例均衡选择算法 | 第30-35页 |
| 3.4 小结 | 第35-37页 |
| 第4章 基于改进BvSB的主动学习算法 | 第37-47页 |
| 4.1 算法整体框架 | 第37-38页 |
| 4.2 算法描述 | 第38-43页 |
| 4.2.1 基准分类器构造 | 第38-39页 |
| 4.2.2 基准分类器训练 | 第39-40页 |
| 4.2.3 整合训练集 | 第40-43页 |
| 4.2.4 离线评估 | 第43页 |
| 4.3 仿真实验结果与分析 | 第43-46页 |
| 4.4 小结 | 第46-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 工作总结 | 第47页 |
| 5.1.1 所做工作 | 第47页 |
| 5.1.2 不足之处 | 第47页 |
| 5.2 工作展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间取得的科研成果 | 第54页 |