分布式数据挖掘的分类器组合问题及相关技术研究
| 第一章 绪论 | 第1-12页 |
| ·引言 | 第8-9页 |
| ·数据挖掘的定义和发展 | 第8页 |
| ·数据挖掘面临的新挑战 | 第8-9页 |
| ·现有的相关研究成果 | 第9页 |
| ·课题的研究现状 | 第9-10页 |
| ·论文的研究内容与组织结构 | 第10-12页 |
| 第二章 数据挖掘的分类问题 | 第12-19页 |
| ·机器学习 | 第12-13页 |
| ·定义 | 第12页 |
| ·归纳学习 | 第12-13页 |
| ·分类 | 第13-18页 |
| ·分类的机理 | 第13-14页 |
| ·分类器构造方法 | 第14-17页 |
| ·分类器的过拟合问题 | 第17页 |
| ·分类器的评价与比较 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 多分类器组合 | 第19-28页 |
| ·概述 | 第19页 |
| ·组合分类器 | 第19页 |
| ·组合的有效性问题 | 第19页 |
| ·分类器组合的方法 | 第19-22页 |
| ·投票表决法 | 第20页 |
| ·Bagging与Boosting | 第20-21页 |
| ·CMM算法 | 第21页 |
| ·DAGGER算法 | 第21-22页 |
| ·基于Stacking的分类器组合框架 | 第22-27页 |
| ·概述 | 第22页 |
| ·原理描述 | 第22-23页 |
| ·泛化过程 | 第23页 |
| ·分类过程 | 第23-24页 |
| ·1-层泛化特征 | 第24-26页 |
| ·Stacking框架的应用扩展 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 一个用于分布式挖掘的分类器组合框架 | 第28-33页 |
| ·概述 | 第28-29页 |
| ·分布式数据挖掘的特点 | 第28页 |
| ·挖掘策略 | 第28页 |
| ·分类问题的分布式挖掘 | 第28-29页 |
| ·一个多分类器组合的框架模型 | 第29-32页 |
| ·设计思想 | 第30-31页 |
| ·节点挖掘过程 | 第31-32页 |
| ·框架的特点 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第五章 stacking的1-层泛化研究 | 第33-49页 |
| ·基于类的1-层泛化 | 第33-34页 |
| ·原理描述 | 第33页 |
| ·类向量值的选用问题 | 第33-34页 |
| ·基于后验概率的类向量 | 第34-37页 |
| ·基于平均后验概率的类向量值 | 第34-35页 |
| ·改进--基于加权平均后验概率的类向量 | 第35-37页 |
| ·一种基于二分判决的类向量方法 | 第37-40页 |
| ·基于分类器输出的全二分判决 | 第37-38页 |
| ·基于类的二分判决 | 第38-39页 |
| ·实验及结果分析 | 第39-40页 |
| ·一种基于投票的类向量方法 | 第40-48页 |
| ·融合投票的泛化 | 第41-42页 |
| ·实验及结果分析 | 第42-48页 |
| ·本章小结 | 第48-49页 |
| 总结与展望 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53页 |
