| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·机器学习简介 | 第7-8页 |
| ·集成学习简介 | 第8-9页 |
| ·Boosting算法的背景 | 第9-10页 |
| ·论文主要内容及章节安排 | 第10-12页 |
| 第二章 BOOSTING算法概述 | 第12-25页 |
| ·一些基本概念 | 第12-13页 |
| ·Boosting算法的引出 | 第13-15页 |
| ·AdaBoost系列算法 | 第15-21页 |
| ·AdaBoost算法 | 第15-17页 |
| ·离散的AdaBoost—AdaBoost. M1 | 第17-19页 |
| ·实值AdaBoost方法 | 第19-20页 |
| ·其它的AdaBoost算法 | 第20-21页 |
| ·Boosting-by-majority系列算法 | 第21-22页 |
| ·Bagging与Boosting | 第22-25页 |
| 第三章 BOOSTING算法的理论 | 第25-32页 |
| ·基于训练误差的收敛性分析 | 第25-26页 |
| ·训练误差的上界 | 第25-26页 |
| ·训练轮数T的确定 | 第26页 |
| ·基于泛化误差的分析 | 第26-29页 |
| ·泛化误差的上界 | 第26-27页 |
| ·基于边际的解释 | 第27-29页 |
| ·基于优化理论的分析 | 第29页 |
| ·基于偏倚和方差的分析 | 第29-30页 |
| ·基于博弈论的分析 | 第30-32页 |
| 第四章 BOOSTING算法的一致性 | 第32-39页 |
| ·引言 | 第32-33页 |
| ·定义和符号说明 | 第33-35页 |
| ·Boosting一致性的证明过程 | 第35-39页 |
| 第五章 BOOSTING算法在银行个人信用评估中的应用 | 第39-50页 |
| ·银行个人信用评估的背景和意义 | 第39-40页 |
| ·银行个人信用评估现状 | 第40-41页 |
| ·银行个人信用评估的一般方法 | 第41-42页 |
| ·Boosting算法在银行个人信用评估中的应用实验 | 第42-50页 |
| ·实验环境 | 第42-43页 |
| ·实验方法 | 第43-46页 |
| ·实验相关定义 | 第46页 |
| ·实验结果分析 | 第46-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·工作总结 | 第50页 |
| ·研究展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 附录1 德国数据集合ROC曲线原图及实验输出结果 | 第57-59页 |
| 附录2 澳大利亚数据集合ROC曲线原图及实验输出结果 | 第59-61页 |
| 致谢 | 第61-62页 |
| 研究生期间发表论文 | 第62页 |
