| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 1 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·本文研究内容及创新点 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 2 分类的基础理论 | 第15-25页 |
| ·分类 | 第15-16页 |
| ·产生式模型及学习方法 | 第16-19页 |
| ·产生式分类模型 | 第16-18页 |
| ·产生式模型学习 | 第18-19页 |
| ·判别式模型及学习方法 | 第19-22页 |
| ·判别式分类模型 | 第19-21页 |
| ·判别式模型学习 | 第21-22页 |
| ·产生式和判别式模型的比较 | 第22-25页 |
| 3 基于ADABOOST 的产生式/判别式混合分类器 | 第25-34页 |
| ·引言 | 第25-26页 |
| ·ADABOOST集成方法 | 第26-27页 |
| ·基于ADABOOST 的产生式/判别式混合分类算法（ACGDM） | 第27-29页 |
| ·ACGDM 算法 | 第27-28页 |
| ·理论分析 | 第28-29页 |
| ·算法时间复杂度分析 | 第29页 |
| ·实验和结果 | 第29-33页 |
| ·实验数据集 | 第29-30页 |
| ·实验分类器及实验平台 | 第30-31页 |
| ·实验结果及分析 | 第31-33页 |
| ·小结 | 第33-34页 |
| 4 基于遗传规划的产生式/判别式混合分类器 | 第34-45页 |
| ·引言 | 第34-35页 |
| ·遗传规划及符号回归 | 第35-36页 |
| ·遗传规划 | 第35-36页 |
| ·符号回归 | 第36页 |
| ·基于遗传规划的产生式/判别式混合分类模型 | 第36-39页 |
| ·基本思想及算法 | 第36-37页 |
| ·参数设置 | 第37-39页 |
| ·实验和结果 | 第39-43页 |
| ·实验数据 | 第39-41页 |
| ·实验结果与分析 | 第41-43页 |
| ·小结 | 第43-45页 |
| 5 结论和展望 | 第45-47页 |
| ·结论 | 第45页 |
| ·进一步的工作展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士学位期间发表的论文 | 第51-52页 |