基于样本选择的复杂分类问题研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究目的和意义 | 第9-10页 |
| 1.3 支持向量机分类模型 | 第10-14页 |
| 1.3.1 SVM分类器 | 第10-12页 |
| 1.3.2 基于SVM的多分类问题 | 第12-14页 |
| 1.4 本文创新点和结构安排 | 第14-16页 |
| 第2章 样本选择算法概述 | 第16-24页 |
| 2.1 样本选择算法研究现状 | 第16-18页 |
| 2.2 样本选择算法分类 | 第18-22页 |
| 2.2.1 基于样本选择目标的算法分类 | 第18-19页 |
| 2.2.2 基于样本选择过程的算法分类 | 第19-20页 |
| 2.2.3 基于样本选择判别准则的算法分类 | 第20-21页 |
| 2.2.4 基于样本选择涉及的知识点的算法分类 | 第21-22页 |
| 2.3 样本选择算法现状分析 | 第22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 基于最近异类的NES样本选择 | 第24-40页 |
| 3.1 样本空间分布 | 第24-25页 |
| 3.2 基于最近异类的子集划分 | 第25-27页 |
| 3.3 NES样本选择流程 | 第27-28页 |
| 3.4 算法性能分析 | 第28-38页 |
| 3.4.1 实验设置 | 第28-31页 |
| 3.4.2 分类性能和样本选择性能对比分析 | 第31-34页 |
| 3.4.3 分类稳定性验证 | 第34-36页 |
| 3.4.4 噪声分析 | 第36-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 基于θ-Net的NENet样本选择 | 第40-58页 |
| 4.1 NENet样本选择流程 | 第40-43页 |
| 4.2 算法性能分析 | 第43-57页 |
| 4.2.1 凹凸面影响分析 | 第43-46页 |
| 4.2.2 样本选择性能比较 | 第46-49页 |
| 4.2.3 分类性能比较 | 第49-54页 |
| 4.2.4 压缩率对比分析 | 第54-56页 |
| 4.2.5 NES和NENet两种算法性能比较 | 第56-57页 |
| 4.3 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 发表论文和参加科研情况说明 | 第66-68页 |
| 致谢 | 第68-69页 |
