基于层次聚类的集成学习方法及应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·存在的主要问题 | 第11-12页 |
| ·本文主要工作及组织结构 | 第12-15页 |
| ·论文主要工作 | 第12-13页 |
| ·论文组织结构 | 第13-15页 |
| 第二章 集成学习相关技术 | 第15-27页 |
| ·集成学习概述 | 第15-18页 |
| ·理论基础 | 第15-16页 |
| ·直观解释 | 第16-18页 |
| ·构造单个基分类器方法 | 第18-21页 |
| ·处理训练数据集 | 第19-20页 |
| ·处理输入特征 | 第20-21页 |
| ·引入随机性 | 第21页 |
| ·常用的集成方法 | 第21-23页 |
| ·贝叶斯投票 | 第21-22页 |
| ·处理输出的类标签 | 第22-23页 |
| ·不同集成方法的比较 | 第23-26页 |
| ·实验结果 | 第23-24页 |
| ·实验分析 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于层次聚类的集成学习算法 | 第27-43页 |
| ·选择性聚类集成的相关研究 | 第27-32页 |
| ·选择性聚类集成的必要性 | 第27-28页 |
| ·选择性聚类集成的理论基础 | 第28-29页 |
| ·分类器多样性的度量方法 | 第29-32页 |
| ·改进的基于层次聚类的集成学习 | 第32-39页 |
| ·基于层次聚类的集成方法 | 第33-34页 |
| ·弱分类器集合的生成 | 第34-36页 |
| ·对弱分类器进行层次聚类 | 第36-37页 |
| ·改进的 AdaBoosting 算法 | 第37-39页 |
| ·实验及分析 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 基于 CBoosting 算法的人脸检测 | 第43-59页 |
| ·人脸检测算法预备知识 | 第43-45页 |
| ·特征选择的影响 | 第43页 |
| ·传统的 AdaBoost 人脸检测算法 | 第43-44页 |
| ·数字图像处理相关知识 | 第44-45页 |
| ·基于 CBoosting 的多层级联分类器 | 第45-53页 |
| ·Haar 特征 | 第46-47页 |
| ·用积分图计算 haar 特征值 | 第47-49页 |
| ·弱分类器的选取 | 第49-50页 |
| ·单层强分类器的训练 | 第50页 |
| ·多层级联分类器 | 第50-53页 |
| ·检测过程 | 第53页 |
| ·实验分析及系统实现 | 第53-58页 |
| ·实验设计 | 第53-54页 |
| ·实验结果及分析 | 第54-56页 |
| ·基于 CBoosting 人脸检测系统实现 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间主要的研究成果 | 第65-66页 |
| 致谢 | 第66页 |
