| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·研究内容 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 集成分类介绍 | 第13-24页 |
| ·集成分类 | 第13-19页 |
| ·Boosting 算法 | 第14-16页 |
| ·Bagging 算法 | 第16-17页 |
| ·Boosting 算法和 Bagging 算法的区别 | 第17-18页 |
| ·集成分类的作用 | 第18-19页 |
| ·集成分类存在的问题 | 第19页 |
| ·贝叶斯理论 | 第19-22页 |
| ·贝叶斯定理 | 第20-21页 |
| ·朴素贝叶斯分类模型 | 第21-22页 |
| ·朴素贝叶斯的优缺点 | 第22页 |
| ·本章小结 | 第22-24页 |
| 第三章 集成分类中的相关技术 | 第24-43页 |
| ·差异度度量方法 | 第24-29页 |
| ·成对差异度度量方法 | 第24-26页 |
| ·非成对差异度度量方法 | 第26-29页 |
| ·生成方法 | 第29-31页 |
| ·组合方法 | 第31-42页 |
| ·面向决策层的方法 | 第31-34页 |
| ·面向排序层的方法 | 第34-36页 |
| ·面向度量层的方法 | 第36-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于差异度和分类权值选择的 Bagging 算法 | 第43-59页 |
| ·选择性集成的理论基础 | 第43-45页 |
| ·选择性集成的常用方法 | 第45-47页 |
| ·迭代优化法 | 第45-46页 |
| ·排序法 | 第46页 |
| ·聚类法 | 第46-47页 |
| ·模式挖掘法 | 第47页 |
| ·MISEN 算法 | 第47-48页 |
| ·基于差异度和分类权值选择的 Bagging 算法 | 第48-58页 |
| ·改进算法 | 第48-50页 |
| ·实验方法 | 第50-52页 |
| ·实验平台 Weka 简介 | 第52页 |
| ·实验结果及分析 | 第52-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 基于混淆矩阵和分类权值组合的 Bagging 算法 | 第59-66页 |
| ·基于混淆矩阵的可信度估计 | 第59-60页 |
| ·基于混淆矩阵和分类权值组合的 Bagging 算法 | 第60-65页 |
| ·Bagging 存在问题分析 | 第60-61页 |
| ·改进算法 | 第61-62页 |
| ·实验结果及分析 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 答辩委员会对论文的评定意见 | 第74页 |
