基于粒子群优化算法的集成学习研究
| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景 | 第7-8页 |
| ·研究意义 | 第8-9页 |
| ·研究现状 | 第9-12页 |
| ·本文主要工作 | 第12-15页 |
| 第二章 智能计算研究 | 第15-26页 |
| ·数据挖掘相关知识 | 第15-19页 |
| ·数据挖掘简介 | 第15-16页 |
| ·数据挖掘中的分类技术 | 第16-17页 |
| ·数据预处理 | 第17-19页 |
| ·BP 算法 | 第19-22页 |
| ·BP 算法原理 | 第19-20页 |
| ·BP 神经元网络学习规则 | 第20-21页 |
| ·BP 神经元网络的改进方法 | 第21-22页 |
| ·粒子群优化算法 | 第22-26页 |
| ·粒子群优化算法简介 | 第22-24页 |
| ·粒子群优化算法流程 | 第24-26页 |
| 第三章 集成学习研究 | 第26-39页 |
| ·集成学习简介 | 第26-28页 |
| ·集成学习概念 | 第26页 |
| ·集成学习有效性 | 第26-27页 |
| ·集成学习中的分类问题 | 第27-28页 |
| ·集成学习方法研究 | 第28-38页 |
| ·Bagging 算法 | 第28-30页 |
| ·Boosting 算法 | 第30-33页 |
| ·选择性集成算法 | 第33页 |
| ·异态集成算法 | 第33-37页 |
| ·集成学习算法比较 | 第37-38页 |
| ·集成学习权值优化研究 | 第38-39页 |
| 第四章 粒子群优化与BP 的混合算法 | 第39-49页 |
| ·BP 算法 | 第39-41页 |
| ·传统的BP 算法 | 第39-41页 |
| ·改进的BP 算法 | 第41页 |
| ·PSO 训练BP 算法 | 第41-43页 |
| ·PSO 训练BP 算法的提出 | 第41-42页 |
| ·PSO 训练BP 算法的流程 | 第42-43页 |
| ·仿真实验 | 第43-48页 |
| ·数据集合说明 | 第43-44页 |
| ·实验结果 | 第44-48页 |
| ·小结 | 第48-49页 |
| 第五章 基于粒子群优化算法的集成学习权值优化 | 第49-60页 |
| ·基于PSO 集成学习权值优化的混合方法 | 第49-51页 |
| ·问题的提出 | 第49-50页 |
| ·基于PSO 集成学习权值优化方法 | 第50-51页 |
| ·仿真实验 | 第51-59页 |
| ·数据集合说明 | 第51页 |
| ·实验结果 | 第51-59页 |
| ·小结 | 第59-60页 |
| 第六章 总结和展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 摘要 | 第65-68页 |
| ABSTRACT | 第68-72页 |
| 致谢 | 第72-73页 |
| 导师及作者简介 | 第73页 |
