| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-30页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 集成学习的研究和发展现状 | 第13-17页 |
| 1.3 选择性集成学习的研究和发展现状 | 第17-28页 |
| 1.3.1 静态选择性集成学习 | 第18-24页 |
| 1.3.2 动态选择性集成学习 | 第24-28页 |
| 1.4 本文的主要研究工作 | 第28-30页 |
| 第2章 基于集成间隔的静态选择性集成 | 第30-53页 |
| 2.1 引言 | 第30页 |
| 2.2 相关工作 | 第30-33页 |
| 2.3 算法描述 | 第33-36页 |
| 2.4 实验对比和分析 | 第36-44页 |
| 2.4.1 算法参数的影响 | 第36-42页 |
| 2.4.2 对噪声的稳健性 | 第42-44页 |
| 2.5 实验对比和分析 | 第44-51页 |
| 2.6 本章小结 | 第51-53页 |
| 第3章 基于分类置信度的静态选择性集成 | 第53-73页 |
| 3.1 引言 | 第53页 |
| 3.2 基于分类置信度的基分类器权值学习 | 第53-57页 |
| 3.2.1 基于分类置信度的集成间隔 | 第53-54页 |
| 3.2.2 分类置信度在基分类器权值学习中的作用 | 第54-57页 |
| 3.3 基于分类置信度的算法设计 | 第57-59页 |
| 3.4 实验对比和分析 | 第59-65页 |
| 3.4.1 不同分类置信度使用策略的对比和分析 | 第59-65页 |
| 3.5 实验对比和分析 | 第65-71页 |
| 3.6 本章小结 | 第71-73页 |
| 第4章 基于置信度和所选分类器个数的动态选择性集成 | 第73-87页 |
| 4.1 引言 | 第73页 |
| 4.2 算法描述 | 第73-77页 |
| 4.3 实验对比和分析 | 第77-78页 |
| 4.3.1 分类置信度和分类性能的关系分析 | 第77-78页 |
| 4.4 实验验证 | 第78-85页 |
| 4.4.1 实验结果分析 | 第81-85页 |
| 4.5 本章小结 | 第85-87页 |
| 第5章 基于置信度阈值的动态选择性集成 | 第87-100页 |
| 5.1 引言 | 第87页 |
| 5.2 算法描述 | 第87-89页 |
| 5.3 实验对比和分析 | 第89页 |
| 5.4 实验验证 | 第89-95页 |
| 5.4.1 实验结果分析 | 第91-95页 |
| 5.5 风速预报中的应用 | 第95-99页 |
| 5.5.1 所提算法在回归集成中的推广 | 第95-97页 |
| 5.5.2 在风速预报中和其他算法的对比 | 第97-99页 |
| 5.6 本章小结 | 第99-100页 |
| 结论 | 第100-102页 |
| 参考文献 | 第102-114页 |
| 攻读博士学位期间发表的论文及其他成果 | 第114-116页 |
| 致谢 | 第116-117页 |
| 个人简历 | 第117页 |