基于半监督回归的选择性集成算法及其应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·集成学习的研究现状 | 第12-15页 |
| ·半监督学习的研究现状 | 第15-16页 |
| ·本文主要工作 | 第16-17页 |
| ·本文组织 | 第17-19页 |
| 第2章 集成学习 | 第19-33页 |
| ·基本概念 | 第19-20页 |
| ·实现方法 | 第20-21页 |
| ·个体学习器生成方法 | 第20-21页 |
| ·结论合成方法 | 第21页 |
| ·集成学习的作用 | 第21-22页 |
| ·Boosting算法和Bagging算法 | 第22-25页 |
| ·Boosting算法 | 第22-23页 |
| ·Bagging算法 | 第23-25页 |
| ·实验分析 | 第25-32页 |
| ·实验平台Weka | 第25-31页 |
| ·Weka简介 | 第25-26页 |
| ·Weka设计框架 | 第26-30页 |
| ·Explore图形用户界面 | 第30-31页 |
| ·实验结果 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 选择性集成学习 | 第33-48页 |
| ·选择性集成的提出 | 第33-34页 |
| ·理论基础 | 第34-35页 |
| ·选择性集成的不足和发展方向 | 第35-36页 |
| ·选择性集成算法GRES | 第36-39页 |
| ·搜索方向 | 第36-38页 |
| ·评估函数 | 第38-39页 |
| ·学习器个数 | 第39页 |
| ·GRES算法实现及分析 | 第39-47页 |
| ·Eclipse简介 | 第39-41页 |
| ·Eclipse+weka开发环境的搭建 | 第41-43页 |
| ·GRES算法实现 | 第43-45页 |
| ·GRES算法性能分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 半监督学习 | 第48-62页 |
| ·半监督学习的提出 | 第48页 |
| ·未标记样本的价值 | 第48-50页 |
| ·协同训练算法 | 第50-58页 |
| ·标准协同训练算法 | 第50-52页 |
| ·理论分析 | 第52-54页 |
| ·协同训练研究现状 | 第54-56页 |
| ·半监督回归算法-COREG | 第56-58页 |
| ·COREG算法实现及分析 | 第58-61页 |
| ·COREG算法实现 | 第58-60页 |
| ·COREG算法性能分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 基于半监督回归的选择性集成算法 | 第62-68页 |
| ·问题的提出 | 第62页 |
| ·SSRES算法基本思想 | 第62-64页 |
| ·SSRES算法的实现 | 第64-65页 |
| ·SSRES算法性能分析 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 SSRES算法在混凝土强度预测中的应用 | 第68-74页 |
| ·研究背景 | 第68-69页 |
| ·实验研究 | 第69-73页 |
| ·实验数据 | 第69-71页 |
| ·数据预处理 | 第71-72页 |
| ·实验结果 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第7章 结论与展望 | 第74-76页 |
| ·全文工作总结 | 第74-75页 |
| ·进一步工作展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81-82页 |
| 攻读学位期间参加的科研项目和成果 | 第82页 |
