基于转导推理思想的一致性预测器
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 概论 | 第10-13页 |
| ·选题背景及研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·论文组织结构 | 第12-13页 |
| 2 一致性预测算法概述 | 第13-31页 |
| ·转导推理和归纳推理 | 第13-14页 |
| ·随机性理论 | 第14-19页 |
| ·算法复杂性 | 第14-16页 |
| ·算法随机性 | 第16-17页 |
| ·算法随机性检测 | 第17-19页 |
| ·一致性预测器相关内容介绍 | 第19-28页 |
| ·可交换性 | 第19-20页 |
| ·预测器的简单形式 | 第20-21页 |
| ·有效性 | 第21-23页 |
| ·非一致性 | 第23-25页 |
| ·p值 | 第25-26页 |
| ·一致性预测器定义 | 第26-27页 |
| ·平滑一致性预测器 | 第27-28页 |
| ·一致性预测算法 | 第28-31页 |
| 3 基于K近邻的一致性预测算法 | 第31-40页 |
| ·K近邻分类器 | 第31页 |
| ·非一致性度量函数设计 | 第31-32页 |
| ·改进的基于K近邻的一致性预测器 | 第32-33页 |
| ·实验结果及分析 | 第33-39页 |
| ·Iris数据集上的应用 | 第34-36页 |
| ·卷烟质量劲头指标数据集上的应用 | 第36-38页 |
| ·多种分类器结果比较 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 4 基于支持向量机的一致性预测算法 | 第40-52页 |
| ·支持向量机原理 | 第40-44页 |
| ·线性情况 | 第40-43页 |
| ·非线性情况 | 第43-44页 |
| ·非一致性度量函数设计 | 第44-47页 |
| ·非一致性度量函数 | 第44-46页 |
| ·算法描述 | 第46-47页 |
| ·实验结果及分析 | 第47-51页 |
| ·Iris数据集上的应用 | 第47-48页 |
| ·Ionosphere数据集上的应用 | 第48-49页 |
| ·卷烟质量劲头指标数据集上的应用 | 第49-50页 |
| ·多种分类器结果比较 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 5 基于Logistic回归的一致性预测算法 | 第52-64页 |
| ·Logistic回归 | 第52-55页 |
| ·Logistic回归模型 | 第52-53页 |
| ·参数计算 | 第53-55页 |
| ·非一致性度量函数设计 | 第55-57页 |
| ·实验结果及分析 | 第57-62页 |
| ·Iris数据集上的应用 | 第57-58页 |
| ·Cleveland心脏病理数据集上的应用 | 第58-59页 |
| ·Credit数据集上的应用 | 第59-60页 |
| ·卷烟质量劲头指标数据集上的应用 | 第60-61页 |
| ·多种分类器结果比较 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| ·一致性预测算法对比分析 | 第63-64页 |
| 6 总结 | 第64-67页 |
| ·本文工作总结 | 第64-65页 |
| ·未来工作展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 个人简历、在学期间发表的学术论文 | 第71页 |
