基于结构信息的单类分类算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 本课题的研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 训练数据的使用 | 第15-16页 |
| 1.2.2 传统方法的改进 | 第16-17页 |
| 1.2.3 相关领域的应用 | 第17-18页 |
| 1.3 本论文的主要研究内容 | 第18-19页 |
| 1.4 本论文的组织结构 | 第19-20页 |
| 第二章 单类分类算法研究综述 | 第20-30页 |
| 2.1 单类分类问题介绍 | 第20-21页 |
| 2.2 算法评价标准 | 第21-24页 |
| 2.3 单类分类算法分类 | 第24-27页 |
| 2.3.1 基于密度估计的单类分类算法 | 第24-25页 |
| 2.3.2 基于支持域的单类分类算法 | 第25-26页 |
| 2.3.3 基于结构信息的单类分类算法 | 第26-27页 |
| 2.4 本章小结 | 第27-30页 |
| 第三章 基于聚类寻优的集成单类分类算法 | 第30-40页 |
| 3.1 引言 | 第30页 |
| 3.2 聚类评价方法 | 第30-33页 |
| 3.2.1 基于熵值的聚类评价方法 | 第31页 |
| 3.2.2 基于层次聚类的判定 | 第31-32页 |
| 3.2.3 基于密度的聚类评价方法 | 第32-33页 |
| 3.3 最小生成树算法 | 第33-34页 |
| 3.4 构造基分类器 | 第34-35页 |
| 3.5 算法描述 | 第35-36页 |
| 3.6 实验结果与分析 | 第36-39页 |
| 3.6.1 实验数据 | 第36-37页 |
| 3.6.2 实验结果与分析 | 第37-39页 |
| 3.7 本章小结 | 第39-40页 |
| 第四章 快速集成单类分类算法 | 第40-52页 |
| 4.1 引言 | 第40页 |
| 4.2 集成学习简介 | 第40-41页 |
| 4.3 算法描述 | 第41-43页 |
| 4.4 聚类 | 第43-45页 |
| 4.4.1 聚类个数 | 第43-44页 |
| 4.4.2 初始聚类中心 | 第44-45页 |
| 4.4.3 整理 | 第45页 |
| 4.5 组合分类结果 | 第45-47页 |
| 4.6 复杂度分析 | 第47页 |
| 4.7 实验结果与分析 | 第47-49页 |
| 4.7.1 实验数据 | 第47-48页 |
| 4.7.2 实验结果与分析 | 第48-49页 |
| 4.8 本章小结 | 第49-52页 |
| 第五章 优先搜索反向近邻算法 | 第52-60页 |
| 5.1 引言 | 第52页 |
| 5.2 K-means优先搜索树 | 第52-53页 |
| 5.3 原型近似搜索 | 第53-55页 |
| 5.4 算法描述 | 第55-56页 |
| 5.5 时间复杂度分析 | 第56-57页 |
| 5.6 实验结果与分析 | 第57-59页 |
| 5.6.1 实验数据 | 第57页 |
| 5.6.2 实验结果与分析 | 第57-59页 |
| 5.7 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 本文总结 | 第60-61页 |
| 6.2 未来展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 作者简介 | 第70页 |
