不完整数据集成分类算法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究现状 | 第10-13页 |
| ·不完整数据的类型 | 第10-11页 |
| ·不完整数据的处理方法 | 第11-13页 |
| ·本文的研究内容及章节安排 | 第13-15页 |
| 第二章 集成学习及信息熵 | 第15-25页 |
| ·集成学习 | 第15-22页 |
| ·弱可学习理论 | 第15-16页 |
| ·集成学习简介 | 第16-17页 |
| ·Bagging和Boosting | 第17-22页 |
| ·集成学习和不完整数据 | 第22页 |
| ·信息论 | 第22-24页 |
| ·信息熵 | 第22-23页 |
| ·联合熵 | 第23页 |
| ·条件熵 | 第23-24页 |
| ·互信息 | 第24页 |
| ·本章总结 | 第24-25页 |
| 第三章 条件熵集成分类算法 | 第25-41页 |
| ·引言 | 第25-27页 |
| ·问题的提出 | 第25-26页 |
| ·条件熵衡量缺失属性的重要程度 | 第26-27页 |
| ·算法描述 | 第27-35页 |
| ·算法验证及分析 | 第35-40页 |
| ·实验参数 | 第35页 |
| ·实验结果 | 第35-40页 |
| ·实验分析 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第四章 互信息集成分类算法 | 第41-51页 |
| ·信息衡量缺失属性的重要程度 | 第41-42页 |
| ·算法描述 | 第42-50页 |
| ·实验参数 | 第45-46页 |
| ·实验结果 | 第46-50页 |
| ·实验分析 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·总结 | 第51-52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录A 图索引 | 第57-58页 |
| AppendixA Figure Index | 第58-59页 |
| 附录B 表索引 | 第59-60页 |
| AppendixB Table Index | 第60-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间发表的论文 | 第62页 |
