面向跨语言文本挖掘的集成学习关键问题研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-15页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 1.5 本章总结 | 第14-15页 |
| 2 集成学习概述 | 第15-21页 |
| 2.1 集成学习介绍 | 第15-16页 |
| 2.2 集成学习基学习器的生成 | 第16-18页 |
| 2.3 集成学习的一致性函数设计 | 第18-19页 |
| 2.4 基于集成学习的跨语言文本挖掘 | 第19-20页 |
| 2.4.1 跨语言文本分类学习 | 第19页 |
| 2.4.2 跨语言文本聚类学习 | 第19-20页 |
| 2.5 本章总结 | 第20-21页 |
| 3 基于特征分层抽样的随机森林算法 | 第21-38页 |
| 3.1 分层抽样方法介绍 | 第21-22页 |
| 3.2 随机森林方法介绍 | 第22-26页 |
| 3.3 基于特征分层抽样的随机森林算法 | 第26-31页 |
| 3.3.1 信息增益 | 第26-27页 |
| 3.3.2 基于特征分层抽样的随机森林模型 | 第27-31页 |
| 3.4 跨语言文本分类实验结果与分析 | 第31-37页 |
| 3.4.1 实验数据 | 第32页 |
| 3.4.2 对比实验方法 | 第32-34页 |
| 3.4.3 实验结果与分析 | 第34-37页 |
| 3.5 本章总结 | 第37-38页 |
| 4 基于特征分层抽样的集成聚类算法 | 第38-57页 |
| 4.1 集成聚类概述 | 第38-46页 |
| 4.1.1 集成聚类成员生成 | 第39-42页 |
| 4.1.2 一致性函数设计 | 第42-45页 |
| 4.1.3 集成聚类的有效性条件 | 第45-46页 |
| 4.2 基于特征分层抽样的集成聚类算法 | 第46-50页 |
| 4.2.1 特征子集生成 | 第47-49页 |
| 4.2.2 聚类成员的生成 | 第49页 |
| 4.2.3 聚类成员的融合 | 第49-50页 |
| 4.3 跨语言文本聚类实验结果与分析 | 第50-55页 |
| 4.3.1 实验数据及其描述 | 第50-51页 |
| 4.3.2 对比实验 | 第51页 |
| 4.3.3 实验效果指标 | 第51-52页 |
| 4.3.4 实验结果分析 | 第52-55页 |
| 4.4 本章总结 | 第55-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 论文总结 | 第57页 |
| 5.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第64-66页 |
| 学位论文数据集 | 第66页 |
