| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第8-10页 |
| 1 引言 | 第10-14页 |
| ·研究背景 | 第10-11页 |
| ·本文所完成的工作 | 第11-12页 |
| ·论文的组织安排 | 第12-14页 |
| 2 多分类器组合技术综述 | 第14-36页 |
| ·分类的概念 | 第14-16页 |
| ·多分类器组合的基本概念 | 第16-20页 |
| ·什么是多分类器组合 | 第16-17页 |
| ·为什么多分类器组合能提高分类性能 | 第17-19页 |
| ·构建多分类器组合要解决哪些问题 | 第19-20页 |
| ·多分类器组合的评价标准一多样性的度量 | 第20-25页 |
| ·多样性的定义及度量 | 第21-24页 |
| ·组合的多样性对正确率的影响 | 第24-25页 |
| ·利用组合的多样性指导组合的生成 | 第25页 |
| ·基分类器的生成策略 | 第25-31页 |
| ·操作训练集合的训练实例 | 第26-28页 |
| ·操作属性集合 | 第28-29页 |
| ·操作类标值 | 第29-30页 |
| ·人工添加数据 | 第30页 |
| ·多策略学习 | 第30-31页 |
| ·基分类器的选取 | 第31-34页 |
| ·多分类器组合的过量产生—选取设计方法 | 第31-32页 |
| ·分类器的动态选取技术 | 第32-34页 |
| ·基分类器的组合方法 | 第34-36页 |
| 3 基于多样性的基分类器选取方法 | 第36-42页 |
| ·决策树分类器 | 第36-37页 |
| ·基分类器空间搜索的问题 | 第37-38页 |
| ·选取问题的分治思想 | 第38-39页 |
| ·利用贪心策略选取基分类器 | 第39-42页 |
| 4 Boosting算法中基分类器权重的动态赋值 | 第42-46页 |
| ·传统的Boosting算法 | 第42-43页 |
| ·基分类器权重的动态度量 | 第43-44页 |
| ·动态调整基分类器权重的流程 | 第44-46页 |
| 5 实验结果分析 | 第46-64页 |
| ·实验平台Weka简介 | 第46-47页 |
| ·Weka系统中的元学习 | 第47-54页 |
| ·相关概念 | 第47页 |
| ·Weka下meta学习算法的结构分析 | 第47-54页 |
| ·实验方法和实验数据描述 | 第54-56页 |
| ·实验方法描述 | 第54页 |
| ·数据集描述 | 第54-56页 |
| ·GreedSelection算法实现与实验结果分析 | 第56-60页 |
| ·DynamicAdjust算法实现与实验结果分析 | 第60-64页 |
| 6 结论 | 第64-66页 |
| ·研究工作总结 | 第64页 |
| ·进一步研究的考虑 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 作者简历 | 第69-71页 |
| 学位论文数据集 | 第71页 |