基于集成学习的特征选择算法的设计与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题的研究目的和意义 | 第9-10页 |
| 1.2 国内外研究现状分析 | 第10-15页 |
| 1.2.1 特征选择方法 | 第11-12页 |
| 1.2.2 特征选择的集成方法 | 第12-14页 |
| 1.2.3 小结 | 第14-15页 |
| 1.3 论文主要研究内容 | 第15-16页 |
| 1.4 论文内容及结构 | 第16-18页 |
| 第2章 基于SOFTMAX的集成特征选择方法 | 第18-29页 |
| 2.1 引言 | 第18-19页 |
| 2.2 算法框架 | 第19-20页 |
| 2.3 基于SOFTMAX的集成特征选择方法 | 第20-26页 |
| 2.3.1 基学习器差异性度量 | 第20-22页 |
| 2.3.2 算法介绍 | 第22-24页 |
| 2.3.3 算法分析 | 第24-26页 |
| 2.4 实验结果与分析 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于遗传算法的集成特征选择方法 | 第29-43页 |
| 3.1 引言 | 第29-30页 |
| 3.2 相关工作 | 第30-31页 |
| 3.3 问题定义 | 第31-35页 |
| 3.3.1 遗传算法的构成要素 | 第31-33页 |
| 3.3.2 适应度函数 | 第33-34页 |
| 3.3.3 评价标准 | 第34-35页 |
| 3.4 基于遗传算法的集成特征选择方法 | 第35-39页 |
| 3.4.1 基于最优权值的集成特征选择方法 | 第35-36页 |
| 3.4.2 选择性集成特征选择方法 | 第36-38页 |
| 3.4.3 算法分析 | 第38-39页 |
| 3.5 实验结果与分析 | 第39-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 基于粒子群算法的集成特征选择方法 | 第43-53页 |
| 4.1 引言 | 第43-44页 |
| 4.2 问题定义 | 第44-47页 |
| 4.2.1 粒子群算法的构成要素 | 第44-46页 |
| 4.2.2 适应度函数 | 第46-47页 |
| 4.3 基于粒子群算法的集成特征选择 | 第47-48页 |
| 4.4 算法分析 | 第48-49页 |
| 4.5 实验结果与分析 | 第49-51页 |
| 4.6 本章小结 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-62页 |
| 致谢 | 第62页 |
