| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-14页 |
| ·国内外研究现状 | 第9-11页 |
| ·选题背景及意义 | 第11-13页 |
| ·研究内容和安排 | 第13-14页 |
| 2 Boosting分类算法 | 第14-26页 |
| ·Boosting分类算法描述及实现 | 第14-16页 |
| ·Boosting分类算法的改进 | 第16-25页 |
| ·算法的具体实现 | 第17-19页 |
| ·算法的理论分析 | 第19-25页 |
| ·小结 | 第25-26页 |
| 3 AdaBoost分类算法的集成研究 | 第26-39页 |
| ·基于SVM的AdaBoost分类算法 | 第26-32页 |
| ·C-支持向量机 | 第26-29页 |
| ·SVM多分类算法 | 第29-31页 |
| ·以SVM为弱分类器的AdaBoost算法实现 | 第31-32页 |
| ·基于RBF神经网络的AdaBoost分类算法 | 第32-36页 |
| ·正则化的RBF神经网络 | 第32-34页 |
| ·RBF神经网络的学习算法 | 第34-36页 |
| ·以RBF神经网络为弱分类器的AdaBoost算法实现 | 第36页 |
| ·以AdaBoost为弱分类器的集成AdaBoost算法 | 第36-38页 |
| ·交叉验证方法 | 第36-37页 |
| ·集成AdaBoost-AdaBoost算法的实现 | 第37-38页 |
| ·小结 | 第38-39页 |
| 4 基于AdaBoost集成分类方法的实例应用 | 第39-57页 |
| ·分类算法的性能评价指标、数据预处理和参数选取 | 第39-41页 |
| ·性能评价指标 | 第39-40页 |
| ·数据预处理和参数选取 | 第40-41页 |
| ·二分类问题的实例应用 | 第41-47页 |
| ·数据集描述 | 第41-42页 |
| ·采用5折交叉验证处理结果分析 | 第42-43页 |
| ·采用10折交叉验证处理结果分析 | 第43-45页 |
| ·采用5折交叉验证ionosphere数据集下处理结果分析 | 第45页 |
| ·采用10折交叉验证ionosphere数据集下处理结果分析 | 第45-46页 |
| ·采用5折交叉验证kr-vs-kp数据集下处理结果分析 | 第46-47页 |
| ·采用10折交叉验证kr-vs-kp数据集下处理结果分析 | 第47页 |
| ·多分类问题的实例应用 | 第47-54页 |
| ·数据集描述 | 第47-48页 |
| ·采用5折交叉验证处理结果分析 | 第48-50页 |
| ·采用10折交叉验证处理结果分析 | 第50-51页 |
| ·采用5折交叉验证page-blocks数据集下处理结果分析 | 第51-52页 |
| ·采用10折交叉验证page-blocks数据集下处理结果分析 | 第52页 |
| ·采用10折交叉验证balance-scale数据集下处理结果分析 | 第52-53页 |
| ·采用10折交叉验证lymphography数据集下处理结果分析 | 第53-54页 |
| ·AdaBoost-AdaBoost算法在判断病人是否能够脱离辅助呼吸器的应用 | 第54-56页 |
| ·小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间的研究成果 | 第62页 |
