多分类器融合系统的研究
| 摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 中文文摘 | 第4-10页 |
| 第1章 绪论 | 第10-22页 |
| ·立题依据 | 第10-11页 |
| ·研究目标与内容 | 第11-12页 |
| ·研究路线 | 第12页 |
| ·论文的章节安排 | 第12-14页 |
| ·分类技术的国内外研究状况 | 第14-22页 |
| ·基于判别分析的方法 | 第14-16页 |
| ·基于机器学习思路的方法 | 第16-17页 |
| ·基于神经网络的方法 | 第17-18页 |
| ·基于层次的方法 | 第18-19页 |
| ·基于聚类的方法 | 第19页 |
| ·其他方法 | 第19-22页 |
| 第2章 多分类器融合系统的基础理论 | 第22-42页 |
| ·多分类器融合研究的产生和现状 | 第22-23页 |
| ·分类器输出信息 | 第23页 |
| ·多分类器融合类型 | 第23-26页 |
| ·级联分类器 | 第23-25页 |
| ·并联分类器 | 第25-26页 |
| ·多分类器融合策略 | 第26-27页 |
| ·多分类器组合系统 | 第26页 |
| ·多分类器选择系统 | 第26-27页 |
| ·组合与选择的比较 | 第27页 |
| ·不同输出层上的信息融合 | 第27-40页 |
| ·抽象层上的融合 | 第28-36页 |
| ·基于投票规则的融合 | 第28-29页 |
| ·基于简单函数的融合 | 第29-31页 |
| ·基于证据理论的融合 | 第31-35页 |
| ·基于BKS空间的融合 | 第35-36页 |
| ·排序层、度量层上的融合 | 第36-40页 |
| ·排序层、度量层上融合的分析 | 第37页 |
| ·基于贝叶斯平均理论的融合 | 第37-39页 |
| ·基于模糊积分的融合 | 第39-40页 |
| ·其它方法 | 第40页 |
| ·多分类器融合系统的应用与存在问题 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第3章 基于专家类评估的系统设计 | 第42-60页 |
| ·多分类器组合的框架 | 第42-47页 |
| ·成员分类器的生成方法 | 第43-44页 |
| ·成员分类器的组合方法 | 第44-46页 |
| ·多分类器组合系统构建的基本步骤 | 第46-47页 |
| ·多分类器组合系统的构建 | 第47-52页 |
| ·基于专家类优势的组合系统的主要思想 | 第47页 |
| ·以信息熵为基础的分类器选择策略 | 第47-49页 |
| ·基于专家类评估优势的组合系统 | 第49-52页 |
| ·实验环境与评估 | 第52-58页 |
| ·实验数据集 | 第52-53页 |
| ·分类器 | 第53-54页 |
| ·实验结果与评估 | 第54-58页 |
| ·本章小结 | 第58-60页 |
| 第4章 基于多分类器行为的系统设计 | 第60-76页 |
| ·数据约简 | 第60-64页 |
| ·选择技术 | 第60-61页 |
| ·替代技术 | 第61-62页 |
| ·邻近关系与相似度 | 第62-64页 |
| ·分类器选择策略 | 第64-67页 |
| ·分类器选择算法 | 第65页 |
| ·局部分类精度 | 第65-67页 |
| ·基于多分类器行为的数据约简与分类 | 第67-71页 |
| ·DRC算法的主要思想 | 第67-68页 |
| ·DRC算法的实现 | 第68-71页 |
| ·DRC算法分析 | 第71页 |
| ·实验分析与评价 | 第71-74页 |
| ·实验数据集 | 第71-72页 |
| ·实验评估 | 第72-74页 |
| ·本章小结 | 第74-76页 |
| 第5章 结语与展望 | 第76-80页 |
| ·本文工作总结 | 第76-77页 |
| ·今后工作展望 | 第77-80页 |
| 参考文献 | 第80-86页 |
| 攻读学位期间承担的科研项目与主要成果 | 第86-87页 |
| 致谢 | 第87-88页 |
| 个人简历 | 第88-89页 |
