| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及动机 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 信任函数理论 | 第12-13页 |
| 1.2.2 信任函数理论与机器学习 | 第13-14页 |
| 1.3 本文内容安排 | 第14-17页 |
| 第2章 基础知识 | 第17-31页 |
| 2.1 信任函数理论 | 第17-21页 |
| 2.1.1 常用基本概念 | 第17-20页 |
| 2.1.2 证据似然函数 | 第20-21页 |
| 2.2 决策树 | 第21-24页 |
| 2.3 主动信任分类树的构建 | 第24-29页 |
| 2.3.1 信息熵区间 | 第24-26页 |
| 2.3.2 分裂属性选择 | 第26-27页 |
| 2.3.3 查询机制 | 第27-29页 |
| 2.3.4 停止准则及算法总述 | 第29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 含有认知不确定的手写数字识别的算法分析与对比 | 第31-53页 |
| 3.1 含有认知不确定的手写数字样本特征提取 | 第31-39页 |
| 3.1.1 图像预处理 | 第31-34页 |
| 3.1.2 特征提取 | 第34-39页 |
| 3.2 实验设定与结果分析 | 第39-50页 |
| 3.2.1 实验设定 | 第39-41页 |
| 3.2.2 含有认知不确定的手写数字识别实验结果分析 | 第41-43页 |
| 3.2.3 完全无知样本实验结果分析 | 第43-44页 |
| 3.2.4 不精确样本实验结果分析 | 第44-47页 |
| 3.2.5 不确定与噪声样本实验结果分析 | 第47-50页 |
| 3.3 本章小结 | 第50-53页 |
| 第4章 结合Bagging的信任分类树集成算法研究 | 第53-71页 |
| 4.1 BGBC4.5算法思路介绍 | 第53-56页 |
| 4.1.1 BGBC4.5算法思路介绍 | 第53-54页 |
| 4.1.2 Bagging算法介绍 | 第54-56页 |
| 4.2 BGBC4.5算法 | 第56-59页 |
| 4.3 UCI数据集仿真及结果的分析与比较 | 第59-69页 |
| 4.3.1 完全无知样本仿真结果分析 | 第60-62页 |
| 4.3.2 不精确样本仿真结果分析 | 第62-65页 |
| 4.3.3 不确定与噪声样本仿真结果分析 | 第65-69页 |
| 4.4 本章小结 | 第69-71页 |
| 第5章 BGBC4.5算法在认知不确定手写数字识别中的应用 | 第71-81页 |
| 5.1 实验设定与结果分析 | 第71-74页 |
| 5.1.1 实验设定 | 第71-72页 |
| 5.1.2 含有认知不确定的手写数字识别实验结果分析 | 第72-74页 |
| 5.2 完全无知样本实验结果分析 | 第74-75页 |
| 5.3 不精确样本实验结果分析 | 第75-77页 |
| 5.4 不确定与噪声样本实验结果分析 | 第77-79页 |
| 5.5 本章小结 | 第79-81页 |
| 第6章 结束语 | 第81-85页 |
| 6.1 本文主要工作与贡献 | 第81-82页 |
| 6.2 研究前景展望 | 第82-83页 |
| 6.3 研究心得与体会 | 第83-85页 |
| 参考文献 | 第85-91页 |
| 致谢 | 第91-93页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第93页 |
