| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 本文主要研究内容 | 第14页 |
| 1.4 本文的组织结构 | 第14-17页 |
| 第2章 增量集成学习相关技术 | 第17-25页 |
| 2.1 增量学习 | 第17页 |
| 2.2 集成学习 | 第17-20页 |
| 2.3 增量集成学习 | 第20-22页 |
| 2.4 本章小结 | 第22-25页 |
| 第3章 基于决策树优比率的RLID3算法 | 第25-37页 |
| 3.1 问题的提出 | 第25-26页 |
| 3.2 决策树算法RLID3 | 第26-31页 |
| 3.3 RLID3算法实例分析 | 第31-35页 |
| 3.3.1 实验数据集 | 第31-32页 |
| 3.3.2 决策树分析 | 第32-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第4章 增量集成算法Incre_RLID3_ENM | 第37-47页 |
| 4.1 问题的提出 | 第37-38页 |
| 4.2 增量RLID3算法Incre_RLID3 | 第38-41页 |
| 4.3 并行加权的集成学习算法RAR_WT | 第41-44页 |
| 4.3.1 并行加权思想 | 第41-43页 |
| 4.3.2 PAR_WT算法 | 第43-44页 |
| 4.4 增量集成算法Incre_RLID3_ENM | 第44-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第5章 实验及结果分析 | 第47-59页 |
| 5.1 实验数据集的选取 | 第47页 |
| 5.2 实验平台及环境 | 第47-48页 |
| 5.3 实验实现相关技术 | 第48页 |
| 5.4 实验结果及分析 | 第48-57页 |
| 5.4.1 RLID3算法分析 | 第48-51页 |
| 5.4.2 Incre_RLID3算法分析 | 第51-53页 |
| 5.4.3 PAR_WT算法分析 | 第53-55页 |
| 5.4.4 Incre_RLID3_ENM算法分析 | 第55-57页 |
| 5.5 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-69页 |
| 致谢 | 第69页 |
