| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文主要研究内容 | 第11页 |
| 1.4 本文组织结构 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第2章 随机森林算法研究综述 | 第13-22页 |
| 2.1 决策树 | 第13-15页 |
| 2.1.1 决策树简介 | 第13页 |
| 2.1.2 决策树属性选取 | 第13-15页 |
| 2.1.3 决策树在分类问题中的不足 | 第15页 |
| 2.2 随机森林原理概况 | 第15-17页 |
| 2.2.1 集成学习思想 | 第15-17页 |
| 2.2.2 随机森林构建过程 | 第17页 |
| 2.3 随机森林随机性分析 | 第17-18页 |
| 2.3.1 训练集的随机选取 | 第18页 |
| 2.3.2 随机特征变量的随机性 | 第18页 |
| 2.4 随机森林性能指标 | 第18-21页 |
| 2.4.1 分类效果性能指标 | 第18-20页 |
| 2.4.2 随机森林泛化误差与OOB估计 | 第20-21页 |
| 2.4.3 随机森林算法存在的问题 | 第21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 随机森林自适应特征选择优化算法研究算法研究综述 | 第22-30页 |
| 3.1 自适应特征选择的基本思想 | 第22页 |
| 3.2 特征选择随机性优化策略 | 第22-23页 |
| 3.2.1 基于特征权重的多元特征提取方法 | 第22-23页 |
| 3.2.2 引入自适应稀疏约束机制的特征优化方法 | 第23页 |
| 3.3 自适应特征选择分类算法SARFFS | 第23-25页 |
| 3.3.1 SARFFS算法的基本思想 | 第24页 |
| 3.3.2 SARFFS算法的执行步骤 | 第24-25页 |
| 3.4 实验验证与结果分析 | 第25-29页 |
| 3.4.1 实验准备 | 第25-26页 |
| 3.4.2 实验过程与结果分析 | 第26-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第4章 随机森林参数选择优化算法研究 | 第30-47页 |
| 4.1 传统的粒子群算法 | 第30-34页 |
| 4.1.1 粒子群算法的基本思想 | 第30-32页 |
| 4.1.2 粒子群算法的相关研究与应用 | 第32-34页 |
| 4.2 改进的粒子群算法 | 第34-37页 |
| 4.2.1 基于学习因子参数的改进 | 第34-35页 |
| 4.2.2 历史最优共享粒子位置的改进 | 第35-36页 |
| 4.2.3 改进的粒子群算法 | 第36-37页 |
| 4.3 改实验验证与结果分析 | 第37-46页 |
| 4.3.1 测试函数 | 第37-38页 |
| 4.3.2 验证改进的粒子群算法性能 | 第38-40页 |
| 4.3.3 改进后的粒子群算法优化随机森林参数选择 | 第40-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 总结与展望 | 第47-48页 |
| 5.1 全文总结 | 第47页 |
| 5.2 未来展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 作者简介 | 第53-54页 |
| 攻读学位期间发表的学术论文目录 | 第54页 |