| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-9页 |
| ·背景 | 第7-8页 |
| ·本文研究的主要内容与结构 | 第8-9页 |
| 2 集成学习概述 | 第9-14页 |
| ·Bagging算法 | 第9-10页 |
| ·Boosting系列算法 | 第10-13页 |
| ·本章小结 | 第13-14页 |
| 3 主动学习简介 | 第14-18页 |
| ·Query-By-Committee | 第14-15页 |
| ·Query-By-Bagging | 第15-16页 |
| ·Query-By-Boosting | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 4 ActiveBoost算法在野外环境下对障碍物检测的应用 | 第18-30页 |
| ·初始无标签数据筛选 | 第18-21页 |
| ·分片数据的空间约束 | 第21-24页 |
| ·在线型Boosting算法 | 第24-27页 |
| ·ActiveBoost算法 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 5. 实验与结果 | 第30-48页 |
| ·实验目的 | 第30页 |
| ·数据 | 第30-31页 |
| ·特征提取 | 第31-34页 |
| ·颜色特征 | 第31-33页 |
| ·纹理特征 | 第33-34页 |
| ·评价方法 | 第34-36页 |
| ·主要实验环节 | 第36-40页 |
| ·基分类器的选择 | 第37-38页 |
| ·分类器组的数量 | 第38-39页 |
| ·FIU特征维数 | 第39页 |
| ·初始化数据集大小 | 第39-40页 |
| ·实验结果 | 第40-47页 |
| ·由Boosting算法集成的感知器网络与同等规模BP神经网络的实验比较 | 第40-41页 |
| ·由FIU算法计算生成的与随机挑选的初始化数据集比较 | 第41-43页 |
| ·引入主动学习机制的ActiveBoost算法与完全监督型的AdaBoost算法比较 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 6 总结 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
