| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文的内容安排与结构 | 第14-16页 |
| 第2章 集成分类器的理论背景 | 第16-34页 |
| 2.1 集成分类器的概念及理论背景 | 第16-18页 |
| 2.2 集成分类器的构成部分 | 第18-27页 |
| 2.2.1 弱分类器的生成 | 第18-21页 |
| 2.2.2 弱分类器的集成 | 第21-27页 |
| 2.3 集成分类器的代表算法 | 第27-32页 |
| 2.3.1 Bagging算法及其理论基础 | 第27-29页 |
| 2.3.2 Boosting算法及其理论基础 | 第29-32页 |
| 2.4 集成分类器的关键问题 | 第32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 选择性集成理论背景 | 第34-41页 |
| 3.1 选择性集成分类器的关键问题以及主流集成方法 | 第34-38页 |
| 3.1.1 选择性集成的关键问题 | 第34-36页 |
| 3.1.2 选择性集成的主流集成方式 | 第36-38页 |
| 3.2 选择性集成分类器的代表算法 | 第38-40页 |
| 3.2.1 基于遗传算法的选择性集成分类器 | 第38-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第4章 基于随机数据集子空间的选择性集成分类器 | 第41-66页 |
| 4.1 弱分类器的多样性评价指标 | 第42-44页 |
| 4.1.1 多样性度量方式 | 第42-44页 |
| 4.2 基于随机特征子集的弱分类器生成方式 | 第44-48页 |
| 4.2.1 构建随机特征子集的算法思想 | 第44-46页 |
| 4.2.2 实验结果与分析 | 第46-48页 |
| 4.3 基于随机样本子集的弱分类器生成方式 | 第48-52页 |
| 4.3.1 构建随机样本子集的算法思想 | 第48-50页 |
| 4.3.2 实验结果与分析 | 第50-52页 |
| 4.4 聚类选择弱分类器子集 | 第52-58页 |
| 4.4.1 基于聚类选择弱分类器子集的理论基础 | 第52页 |
| 4.4.2 基于K-means选择弱分类器子集的缺点及改进策略 | 第52-56页 |
| 4.4.3 实验结果与分析 | 第56-58页 |
| 4.5 改进的动态选择与循环集成的分类器集成方法 | 第58-65页 |
| 4.5.1 实验结果与分析 | 第64-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第5章 并行化LibD3C 2.0的设计与实现 | 第66-75页 |
| 5.1 弱分类器的并行化训练设计 | 第66-67页 |
| 5.2 聚类选择弱分类器的并行化实现GStrAP | 第67-70页 |
| 5.3 实验结果与分析 | 第70-71页 |
| 5.3.1 弱分类器的并行化训练实验结果 | 第70页 |
| 5.3.2 Affinity Propagation的并行化设计实验结果与分析 | 第70-71页 |
| 5.3.2.1 实验的数据集 | 第70-71页 |
| 5.3.2.2 GStrAP的性能表现 | 第71页 |
| 5.4 软件实现与使用 | 第71-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6.1 全文工作总结 | 第75-76页 |
| 6.2 后续工作展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 硕士期间发表的论文 | 第80-81页 |
| 致谢 | 第81页 |
