不完整数据集的多视角集成分类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景和意义 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·数据的缺失类型 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·研究内容和创新点 | 第13-15页 |
| ·论文的结构安排 | 第15-18页 |
| 第二章 相关理论与知识 | 第18-30页 |
| ·商空间理论多视角合成 | 第18-23页 |
| ·粒度计算的主要模型 | 第18-20页 |
| ·商空间问题求解方法 | 第20-23页 |
| ·集成学习 | 第23-25页 |
| ·集成学习的定义 | 第23页 |
| ·集成学习算法 | 第23-25页 |
| ·不完整数据集的处理方法 | 第25-27页 |
| ·不完整数据集的集成分类 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于互信息的多视角集成分类方法 | 第30-56页 |
| ·神经网络的多视角集成分类(MVNE) | 第30-42页 |
| ·信息熵 | 第30-33页 |
| ·多视角分类器的构建 | 第33-35页 |
| ·多视角集成预测 | 第35-37页 |
| ·MVNE实验分析 | 第37-42页 |
| ·选择性的多视角神经网络集成分类(SNNE) | 第42-54页 |
| ·多视角分类器的优化 | 第42-46页 |
| ·SNNE实验分析 | 第46-54页 |
| ·本章小结 | 第54-56页 |
| 第四章 基于卡方检验的多视角集成分类方法 | 第56-78页 |
| ·卡方检验 | 第56-58页 |
| ·基于卡方检验的多视角分类器优化 | 第58-63页 |
| ·不完整数据的列联表 | 第58-60页 |
| ·列联表元素聚合 | 第60-63页 |
| ·超限学习机 | 第63-64页 |
| ·基于超限学习机的多视角集成分类(C_ELM) | 第64-65页 |
| ·C_ELM实验分析 | 第65-77页 |
| ·确定独立训练个数的实验 | 第66-68页 |
| ·确定卡方检验阈值的实验 | 第68-69页 |
| ·不同缺失率下算法性能 | 第69-73页 |
| ·真实数据集上的实验结果 | 第73-77页 |
| ·本章小结 | 第77-78页 |
| 第五章 基因表达式数据的选择性多视角集成分类 | 第78-90页 |
| ·癌症基因表达数据的处理方法 | 第78-79页 |
| ·基于BFS的多视角集成分类(BFSME) | 第79-81页 |
| ·最好优先搜索 | 第79-80页 |
| ·BFSME算法描述 | 第80-81页 |
| ·实验分析 | 第81-89页 |
| ·癌症基因表达式数据集 | 第81页 |
| ·确定阈值p的实验 | 第81-84页 |
| ·BFSME算法性能 | 第84-89页 |
| ·本章小结 | 第89-90页 |
| 第六章 总结与展望 | 第90-92页 |
| ·总结 | 第90-91页 |
| ·展望 | 第91-92页 |
| 图索引 | 第92-93页 |
| Figure Index | 第93-94页 |
| 表索引 | 第94-95页 |
| Table Index | 第95-96页 |
| 参考文献 | 第96-103页 |
| 致谢 | 第103-104页 |
| 攻读博士学位期间参加的项目和发表的论文 | 第104页 |
