| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 主要符号表 | 第17-19页 |
| 第一章 绪论 | 第19-22页 |
| 1.1 研究意义 | 第19-20页 |
| 1.2 论文的主要贡献 | 第20-21页 |
| 1.3 论文结构 | 第21-22页 |
| 第二章 机器学习理论与算法文献综述 | 第22-31页 |
| 2.1 机器学习理论 | 第22-23页 |
| 2.1.1 统计机器学习与泛化误差理论分析 | 第22-23页 |
| 2.1.2 机器学习中的优化理论研究 | 第23页 |
| 2.2 特征加权与特征选择 | 第23-25页 |
| 2.3 分类学习算法 | 第25-27页 |
| 2.3.1 决策树学习算法 | 第25页 |
| 2.3.2 神经网络分类算法 | 第25-26页 |
| 2.3.3 最近邻分类算法 | 第26-27页 |
| 2.3.4 多模型集成学习 | 第27页 |
| 2.4 聚类算法 | 第27页 |
| 2.5 差分演化算法 | 第27-31页 |
| 2.5.1 DE的性能与其控制参数的关系 | 第28页 |
| 2.5.2 变异与交叉操作的改进 | 第28-31页 |
| 第三章 基于改进差分演化的加权模糊聚类 | 第31-53页 |
| 3.1 引言 | 第31页 |
| 3.2 相关工作介绍 | 第31-32页 |
| 3.3 基于相似性的加权模糊聚类及其特征权学习问题 | 第32-34页 |
| 3.3.1 基于相似性的加权模糊聚类 | 第32-33页 |
| 3.3.2 基于相似性的加权模糊聚类中的特征权学习问题 | 第33-34页 |
| 3.4 基于改进差分演化的加权模糊聚类 | 第34-42页 |
| 3.4.1 差分演化与动态差分演化 | 第34-37页 |
| 3.4.2 基于多差分进化策略协同演化的混合差分演化算法 | 第37-40页 |
| 3.4.3 基于MEHDE的加权模糊聚类特征权学习模型 | 第40-42页 |
| 3.5 实验及分析 | 第42-51页 |
| 3.5.1 实验说明 | 第42-43页 |
| 3.5.2 基于模糊C均值聚类的比较 | 第43-46页 |
| 3.5.3 基于相似矩阵传递闭包聚类的实验比较 | 第46-51页 |
| 3.5.4 基于GD、DE、DDE及MEHDE的优化技术效率分析 | 第51页 |
| 3.6 本章小结 | 第51-53页 |
| 第四章 基于自适应差分演化的两阶段极速学习机算法 | 第53-74页 |
| 4.1 引言 | 第53页 |
| 4.2 相关工作介绍 | 第53-56页 |
| 4.3 极速学习机与参数自适应差分演化算法 | 第56-61页 |
| 4.3.1 极速学习机算法 | 第56-59页 |
| 4.3.2 参数自适应差分演化算法 | 第59-61页 |
| 4.4 自适应多差分进化策略混合差分演化算法 | 第61-64页 |
| 4.5 基于Sa-MEHDE的2阶段极速学习机算法 | 第64-68页 |
| 4.5.1 网络结构的初步优化 | 第64-67页 |
| 4.5.2 网络结构及隐单元随机参数的深度优化 | 第67-68页 |
| 4.6 实验及分析 | 第68-73页 |
| 4.6.1 实验说明 | 第69页 |
| 4.6.2 回归问题Sin C上的实验结果 | 第69-71页 |
| 4.6.3 分类问题上的实验结果 | 第71-73页 |
| 4.7 本章小结 | 第73-74页 |
| 第五章 加权模糊规则权重学习 | 第74-92页 |
| 5.1 引言 | 第74-75页 |
| 5.2 全局加权模糊IF-THEN规则推理 | 第75-81页 |
| 5.3 基于最大模糊熵的参数优化方法 | 第81-86页 |
| 5.4 仿真实验 | 第86-88页 |
| 5.4.1 优化全局权前后的实验比较 | 第86-87页 |
| 5.4.2 基于最大模糊熵与训练误差减小的权优化方法比较 | 第87-88页 |
| 5.5 模糊规则权的推广 | 第88-90页 |
| 5.6 本章小结 | 第90-92页 |
| 第六章 集成学习中基分类器泛化能力与模糊性之间关系的研究 | 第92-118页 |
| 6.1 引言 | 第92-94页 |
| 6.2 分类边界 | 第94-99页 |
| 6.3 分类器的模糊性 | 第99-105页 |
| 6.4 泛化能力与模糊性之间的关系 | 第105-116页 |
| 6.5 本章小结 | 第116-118页 |
| 结论与展望 | 第118-120页 |
| 参考文献 | 第120-137页 |
| 攻读博士学位期间取得的研究成果 | 第137-139页 |
| 致谢 | 第139-140页 |
| 附件 | 第140页 |
