集成学习及其应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1. 前言 | 第9-13页 |
| ·集成学习的研究背景及意义 | 第9页 |
| ·集成学习发展状况及应用 | 第9-11页 |
| ·发展现状 | 第9-10页 |
| ·应用研究 | 第10-11页 |
| ·主要研究内容和组织结构 | 第11-13页 |
| ·论文的主要研究内容 | 第11页 |
| ·论文的组织结构 | 第11-13页 |
| 2. 集成学习方法的研究与分析 | 第13-31页 |
| ·个体分类器获得方式 | 第13-16页 |
| ·训练数据的处理 | 第14-15页 |
| ·输入特征的处理 | 第15-16页 |
| ·个体分类器集成 | 第16-21页 |
| ·决策层次的融合 | 第16-18页 |
| ·排序层次的融合 | 第18-19页 |
| ·度量层次的融合 | 第19-21页 |
| ·集成学习方法的比较 | 第21-29页 |
| ·集成方法介绍 | 第22-25页 |
| ·实验数据 | 第25-26页 |
| ·实验设计 | 第26-27页 |
| ·实验结果 | 第27-29页 |
| ·本章小结 | 第29-31页 |
| 3. 基于IG的分类器选择 | 第31-41页 |
| ·信息增益 | 第31-32页 |
| ·熵的概念 | 第31页 |
| ·信息增益 | 第31-32页 |
| ·基于信息增益的分类器选择公式 | 第32-33页 |
| ·算法分析 | 第33-34页 |
| ·算法实现 | 第34-39页 |
| ·实验数据 | 第34页 |
| ·实验流程 | 第34-35页 |
| ·实验设计 | 第35页 |
| ·实验结果 | 第35-39页 |
| ·本章小结 | 第39-41页 |
| 4. 基于改进遗传算法的特征选择 | 第41-49页 |
| ·遗传算法简述 | 第41-43页 |
| ·编码 | 第41页 |
| ·初始种群 | 第41-42页 |
| ·适应度函数 | 第42-43页 |
| ·遗传算子 | 第43页 |
| ·算法描述 | 第43-44页 |
| ·算法实现 | 第44-46页 |
| ·算法流程 | 第44-45页 |
| ·实验结果 | 第45-46页 |
| ·结果验证 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 5. 集成学习在入侵检测上应用 | 第49-55页 |
| ·入侵检测及KDD CUP 99 | 第49-51页 |
| ·入侵检测概述 | 第49页 |
| ·KDD CUP 99介绍 | 第49-51页 |
| ·应用分析 | 第51-53页 |
| ·数据处理 | 第51页 |
| ·特征选择 | 第51-52页 |
| ·分类器选择 | 第52-53页 |
| ·结果分析 | 第53页 |
| ·本章小结 | 第53-55页 |
| 6. 总结与展望 | 第55-57页 |
| ·总结 | 第55-56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |
