| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-8页 |
| 图表清单 | 第8-10页 |
| 注释表 | 第10-11页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 本课题研究背景 | 第11-16页 |
| 1.1.1 集成学习概述 | 第11-12页 |
| 1.1.2 集成剪枝系统概述 | 第12页 |
| 1.1.3 基分类器集合的产生 | 第12-13页 |
| 1.1.4 基分类器的组合方法 | 第13-15页 |
| 1.1.5 集成剪枝 | 第15-16页 |
| 1.2 集成剪枝技术现状 | 第16-18页 |
| 1.2.1 多样性和精确度 | 第16-17页 |
| 1.2.2 集成剪枝的主要方法 | 第17-18页 |
| 1.3 本文的主要工作及创新点 | 第18页 |
| 1.4 本文各章内容安排 | 第18-20页 |
| 第二章 贪婪剪枝算法介绍 | 第20-25页 |
| 2.1 贪婪剪枝算法概述 | 第20-21页 |
| 2.2 影响贪婪剪枝算法的因素 | 第21-25页 |
| 2.2.1 搜索方向 | 第21-22页 |
| 2.2.2 度量标准 | 第22-24页 |
| 2.2.3 剪枝数据集 | 第24-25页 |
| 第三章 旨在同时考虑集成多样性和精确度的度量标准 | 第25-38页 |
| 3.1 引言 | 第25页 |
| 3.2 三种新的度量标准 | 第25-29页 |
| 3.2.1 一种同时考虑多样性和精确度的度量标准—SDAcc | 第26-28页 |
| 3.2.2 一种关注集成多样性的度量标准—DFTwo | 第28-29页 |
| 3.2.3 一种注重增强集成提高精确度的度量标准—AccRein | 第29页 |
| 3.3 实验及分析 | 第29-37页 |
| 3.3.1 实验设置 | 第29-30页 |
| 3.3.2 实验数据集 | 第30-31页 |
| 3.3.3 剪枝算法伪代码 | 第31-33页 |
| 3.3.4 实验结果及分析 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于 GRASP 算法的贪婪剪枝算法 | 第38-60页 |
| 4.1 贪婪算法的缺点 | 第38-39页 |
| 4.2 贪婪随机自适应搜索算法 GRASP | 第39-41页 |
| 4.3 基于 GRASP 的集成剪枝算法 | 第41-46页 |
| 4.3.1 贪婪随机构造阶段 | 第42-44页 |
| 4.3.2 贪婪函数 F_r( h_i,S )的选择 | 第44-45页 |
| 4.3.3 局部搜索阶段 | 第45-46页 |
| 4.4 实验及分析 | 第46-59页 |
| 4.4.1 实验设置及数据集 | 第46-47页 |
| 4.4.2 实验结果及讨论 | 第47-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 已有工作总结 | 第60页 |
| 5.2 未来工作展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 硕士研究生期间完成的学术论文 | 第68页 |
