分类问题的集成理论与方法

中文摘要	第1-9页
ABSTRACT	第9-11页
第一章 绪论	第11-20页
·集成学习历史与现状	第11-14页
·集成学习概念与主要方法	第14-18页
·集成学习的定义	第15页
·两种典型的集成方法	第15-18页
·Bagging	第16页
·Adaboost	第16-18页
·本文主要结果概述	第18-20页
第二章 选择性集成	第20-28页
·选择性集成的目的与意义	第20页
·选择性集成的主要方法	第20-28页
·基于排序的方法	第21-22页
·基于聚类的方法	第22-23页
·基于优化的方法	第23-24页
·其他方法	第24-28页
第三章 kappa差异性度量及其分析	第28-35页
·kappa差异性度量	第28-30页
·kappa-error曲线及其分析	第30-35页
第四章 基于加权kappa的选择性集成	第35-44页
·有序分类问题	第35页
·加权kappa増益	第35-37页
·选择性算法设计与实验分析	第37-44页
·有效性验证	第38-40页
·高效性验证	第40-44页
第五章 总结与展望	第44-46页
·总结	第44页
·展望	第44-46页
参考文献	第46-49页
攻读学位期间取得的研究成果	第49-50页
致谢	第50-51页
个人简况及联系方式	第51-52页
承诺书	第52-53页