| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-18页 |
| ·神经网络集成算法概述 | 第12-16页 |
| ·Bagging 神经网络集成算法 | 第12-13页 |
| ·Boosting 神经网络集成算法 | 第13-15页 |
| ·神经网络集成算法样本空间生成方法介绍 | 第15-16页 |
| ·本文研究的切入点 | 第16-17页 |
| ·本文的结构安排 | 第17-18页 |
| 第二章 基于正误标准差的正向Boosting类算法 | 第18-28页 |
| ·ERstd 算法的概述 | 第18页 |
| ·ERstd 算法的分析 | 第18-19页 |
| ·ERstd 算法的具体实现 | 第19-21页 |
| ·ERstd 算法的性能试验 | 第21-28页 |
| ·基于二叉树的性能评估方法 | 第21-23页 |
| ·泛化性能实验及分析 | 第23-25页 |
| ·差异度及精度实验及分析 | 第25-28页 |
| 第三章 逆向Boosting类算法::IB+(Inverse Boosting+) | 第28-36页 |
| ·IB+算法研究背景 | 第28页 |
| ·IB+算法的具体实现及理论依据 | 第28-30页 |
| ·IB+算法的试验分析 | 第30-36页 |
| ·泛化性能试验 | 第30页 |
| ·关联度与泛化性能对比试验 | 第30-32页 |
| ·个体子网泛化误差结果 | 第32-33页 |
| ·IB+算法总结 | 第33-36页 |
| 第四章 高效的逆向 Boosting 类算法：EIB(Efficient Inverse Boosting) | 第36-52页 |
| ·EIB 算法的研究背景 | 第36页 |
| ·EIB 算法的实现及理论依据 | 第36-40页 |
| ·EIB 算法的分析 | 第36-40页 |
| ·EIB 算法的理论依据 | 第40页 |
| ·EIB 算法的试验分析 | 第40-52页 |
| ·试验数据说明 | 第40-41页 |
| ·TEoBC((TTeessttiinnggError of Base Classifier)和 TEoE((TTeessttiinnggError of Ensemble)之间的关系 | 第41-45页 |
| ·差异度与精度试验 | 第45-48页 |
| ·高效的逆向 Boosting 算法：EIB | 第48-51页 |
| ·EIB 算法的泛化性能 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 研究成果及发表的学术论文 | 第58-59页 |
| 作者及导师简介 | 第59-60页 |
| 硕士研究生学位论文答辩委员会决议书 | 第60-61页 |
