面向大数据的增量式学习算法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-19页 |
| ·概述 | 第10页 |
| ·研究背景及意义 | 第10-12页 |
| ·大数据处理国内外研究现状 | 第12-17页 |
| ·主要研究内容 | 第17-18页 |
| ·论文组织结构 | 第18-19页 |
| 第二章 相关理论基础 | 第19-25页 |
| ·熵与互信息 | 第19-20页 |
| ·特征选择 | 第20-22页 |
| ·神经网络集成 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于条件互信息的增量特征选择算法 | 第25-34页 |
| ·引言 | 第25页 |
| ·互信息特征选择算法 | 第25-29页 |
| ·BIF 算法 | 第26-27页 |
| ·mRMR 算法 | 第27页 |
| ·MIFS 算法 | 第27-29页 |
| ·增量互信息特征选择算法 | 第29-31页 |
| ·算法设计思路 | 第29-30页 |
| ·算法实现 | 第30-31页 |
| ·实验与分析 | 第31-33页 |
| ·实验数据集 | 第31-32页 |
| ·实验结果及分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于神经网络集成的增量式大数据学习算法 | 第34-47页 |
| ·引言 | 第34页 |
| ·基于神经网络集成的增量学习算法 | 第34-37页 |
| ·基于神经网络集成的增量式大数据学习算法 | 第37-42页 |
| ·问题描述 | 第37-38页 |
| ·算法设计思路 | 第38-40页 |
| ·算法实现 | 第40-42页 |
| ·实验分析 | 第42-46页 |
| ·随机样本实验结果分析 | 第42-44页 |
| ·类别不平衡样本实验结果分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 结论与展望 | 第47-49页 |
| ·本文总结 | 第47-48页 |
| ·研究展望 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士学位期间发表的论文 | 第55-56页 |
