| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 缩略词 | 第10-11页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 相关技术及研究现状 | 第13-17页 |
| 1.2.1 半监督学习 | 第14-15页 |
| 1.2.2 主动学习 | 第15-17页 |
| 1.3 论文研究内容与结构安排 | 第17-18页 |
| 第二章 相关理论研究基础与技术应用分析 | 第18-25页 |
| 2.1 类噪声数据检测研究基础 | 第18-21页 |
| 2.1.1 类噪声数据的不利影响 | 第18-19页 |
| 2.1.2 类噪声数据解决方法 | 第19-21页 |
| 2.2 集成学习研究基础 | 第21-22页 |
| 2.3 集成学习在类噪声数据检测中的应用 | 第22-24页 |
| 2.3.1 集成去噪算法 | 第23页 |
| 2.3.2 Adaboost算法在类噪声数据检测中的应用 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于集成学习和半监督学习的类噪声检测算法 | 第25-46页 |
| 3.1 理论基础知识 | 第25-27页 |
| 3.1.1 软投票机制 | 第25-26页 |
| 3.1.2 LDC-kNN算法 | 第26-27页 |
| 3.2 算法模型 | 第27-30页 |
| 3.3 实验设计与结果分析 | 第30-45页 |
| 3.3.1 实验设计 | 第31-32页 |
| 3.3.2 结果分析 | 第32-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于集成学习和主动学习的类噪声检测算法 | 第46-67页 |
| 4.1 理论基础知识 | 第46-48页 |
| 4.2 算法模型 | 第48-54页 |
| 4.2.1 预过滤部分 | 第50-51页 |
| 4.2.2 主动学习采样与专家标记部分 | 第51-52页 |
| 4.2.3 噪声过滤部分 | 第52页 |
| 4.2.4 最终的噪声移除部分 | 第52-54页 |
| 4.3 实验设计与结果分析 | 第54-66页 |
| 4.3.1 实验设计 | 第54-56页 |
| 4.3.2 实验结果分析 | 第56-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 总结和展望 | 第67-69页 |
| 5.1 总结 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 参考文献 | 第69-77页 |
| 致谢 | 第77-78页 |
| 在学期间的研究成果及发表的学术论文 | 第78页 |