多分类器系统中信息融合方法研究

摘要	第1-6页
ABSTRACT	第6-11页
第一章 绪论	第11-23页
·课题来源与研究背景	第11-12页
·多分类器融合的研究意义	第12页
·多分类器融合面临的问题和研究热点	第12-20页
·本文的创新点和组织结构	第20-23页
第二章 多分类器系统的设计	第23-37页
·多分类器系统的体系结构	第23-27页
·功能结构	第23-25页
·拓扑结构	第25-27页
·不同信息层次上的多分类器融合方法	第27-31页
·抽象层次上的多分类器融合方法	第27-28页
·排序层次上的多分类器融合方法	第28-29页
·度量层次上的多分类器融合方法	第29-31页
·多分类器融合系统的设计框架	第31-36页
·设计框架分析	第31-33页
·通用分类器集合产生方法	第33页
·通用分类器选择方法	第33-34页
·融合方法设计	第34页
·性能评估	第34-36页
·本章小结	第36-37页
第三章 基于模糊积分的有监督多分类器融合方法研究	第37-66页
·研究进展	第38-40页
·模糊积分相关的主要研究小组	第38页
·模糊积分相关的研究现状	第38-40页
·模糊积分融合模型	第40-54页
·模糊测度与模糊积分	第40-43页
·两种静态模糊密度确定方法的比较分析	第43-45页
·实验结果与分析	第45-54页
·动态自适应模糊积分融合算法	第54-64页
·成员分类器多样性的模糊测度度量	第54-57页
·动态模糊密度确定方法	第57-59页
·动态自适应模糊积分融合算法描述	第59-60页
·算法复杂度分析	第60-61页
·实验结果与分析	第61-64页
·本章小结	第64-66页
第四章 基于蚁群算法的无监督多分类器融合方法研究	第66-86页
·引言	第66-67页
·聚类融合	第67-70页
·聚类成员的多样性	第68-69页
·共识函数	第69-70页
·改进的基于信息滚动机制的平均互信息聚类融合方法	第70-72页
·聚类成员的产生	第70页
·聚类成员的匹配及失真	第70-71页
·基于信息滚动机制的改进方法	第71-72页
·改进的基于蚁群算法的平均互信息聚类融合方法	第72-76页
·聚类成员匹配的分析	第73-74页
·基于蚁群算法的匹配算法描述	第74-76页
·基于蚁群算法的平均互信息聚类融合方法流程	第76页
·基于蚁群算法的分组选择聚类融合方法	第76-80页
·算法组成	第77-79页
·算法复杂度分析	第79页
·算法描述	第79-80页
·实验结果与分析	第80-85页
·实验数据与性能评价方法	第80-81页
·两种改进的平均互信息聚类融合方法实验结果与分析	第81-83页
·分组选择聚类融合方法实验结果与分析	第83-85页
·本章小结	第85-86页
第五章 基于统计的半监督多分类器融合方法研究	第86-104页
·引言	第86-88页
·基于统计方法的多视图半监督多分类器融合方法	第88-96页
·成对约束	第88-89页
·未标记样本的标注	第89-93页
·半监督学习及实现步骤	第93-94页
·算法复杂度分析	第94页
·实验结果与分析	第94-96页
·基于统计证据的单视图半监督多分类器融合方法	第96-103页
·基于假设检验的成员分类器生成	第96页
·基于统计证据的标注	第96-98页
·奇异标注点的剪辑	第98-99页
·算法的描述	第99-100页
·算法复杂度分析	第100页
·实验结果与分析	第100-103页
·本章小结	第103-104页
第六章 结论与展望	第104-106页
·本论文工作总结	第104-105页
·进一步的工作	第105-106页
参考文献	第106-119页
致谢	第119-120页
攻读学位期间主要的研究成果	第120页