| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-28页 |
| ·神经网络集成算法 | 第12-22页 |
| ·结论生成方法 | 第13-14页 |
| ·结论生成方法分析 | 第14-15页 |
| ·个体网络生成方法 | 第15-21页 |
| ·个体生成方法分析 | 第21-22页 |
| ·神经网络集成主要问题 | 第22-24页 |
| ·稳定性 | 第22-23页 |
| ·泛化性 | 第23-24页 |
| ·神经网络集成研究的应用现状和前景 | 第24-25页 |
| ·本文的主要工作及组织结构 | 第25-28页 |
| 第二章 BSLB集成新算法 | 第28-38页 |
| ·局部误差和全局误差 | 第28-29页 |
| ·计算局部误差的Local Boosting方法 | 第29-31页 |
| ·针对性生成训练样本集的Lazy Bagging算法 | 第31-33页 |
| ·BSLB新算法 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 BSLB算法稳定性分析 | 第38-52页 |
| ·实验及数据说明 | 第38-40页 |
| ·数据源 | 第38-39页 |
| ·噪声数据 | 第39页 |
| ·数据产生方案 | 第39-40页 |
| ·BSLB集成泛化性能评估 | 第40-41页 |
| ·集成算法与个体网络学习算法的依赖关系 | 第41-48页 |
| ·传统集成算法与个体网络学习算法的依赖关系 | 第42-44页 |
| ·Local Boosting算法与个体网络学习算法的依赖关系 | 第44-46页 |
| ·BSLB与个体网络学习算法的依赖关系 | 第46-48页 |
| ·BSLB集成的网络结构 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第四章 BSLB算法相关度及泛化性分析 | 第52-58页 |
| ·Q统计量计算的相关度 | 第52-53页 |
| ·相关度和泛化性的关系 | 第53-55页 |
| ·新算法BSLB的相关度 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 BSLB算法参数及效率分析 | 第58-64页 |
| ·种子个数的选取 | 第58-59页 |
| ·邻居范围的确定 | 第59-60页 |
| ·时间消耗的对比 | 第60-62页 |
| ·串行处理时耗 | 第60-61页 |
| ·并行处理时耗 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 第六章 结束语 | 第64-66页 |
| ·结论 | 第64页 |
| ·进一步的工作 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70-72页 |
| 致谢 | 第72-74页 |
| 研究成果及发表的学术论文 | 第74-76页 |
| 作者及导师简介 | 第76-77页 |
| 硕士研究生学位论文答辩委员会决议书 | 第77-78页 |