| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景与意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·本文的主要工作 | 第14-15页 |
| ·本文的内容安排 | 第15页 |
| ·本章 小结 | 第15-17页 |
| 第2章 分类器集成的理论基础 | 第17-27页 |
| ·集成学习的概念 | 第17-19页 |
| ·集成学习的主要组成部分 | 第19-22页 |
| ·个体学习器组合方式 | 第19-20页 |
| ·个体学习器生成方式 | 第20-22页 |
| ·集成学习的主要算法 | 第22-25页 |
| ·Boosting 算法及算法的理论基础 | 第23-24页 |
| ·Bagging 算法及算法的理论基础 | 第24-25页 |
| ·集成学习中存在的问题 | 第25-26页 |
| ·本章 小结 | 第26-27页 |
| 第3章 分类器选择集成 | 第27-34页 |
| ·分类器集成 | 第27页 |
| ·选择性分类器集成 | 第27-29页 |
| ·选择性分类器集成的依据和策略 | 第29-31页 |
| ·选择性分类器集成的依据 | 第29-30页 |
| ·选择性分类器集成的策略 | 第30-31页 |
| ·选择性分类器集成的主要算法 | 第31-33页 |
| ·基于遗传算法的选择性方法 GASEN | 第31-32页 |
| ·基于互信息的选择性集成算法 MISEN | 第32-33页 |
| ·本章 小结 | 第33-34页 |
| 第4章 一种结合特征分割和差异性度量的分类器选择集成算法 | 第34-45页 |
| ·算法思想 | 第34-43页 |
| ·集成学习中特征提取技术 | 第35-36页 |
| ·特征提取方法—主成分分析技术 | 第36-37页 |
| ·集成学习中差异度量方法 | 第37-41页 |
| ·差异性度量方法—双误选择策略 | 第41-43页 |
| ·分类器选择集成算法的整体框架设计 | 第43页 |
| ·本章 小结 | 第43-45页 |
| 第5章 试验及结果分析 | 第45-47页 |
| ·试验数据集 | 第45页 |
| ·算法试验及结果分析 | 第45-46页 |
| ·本章 小结 | 第46-47页 |
| 总结与展望 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 致谢 | 第53-54页 |
| 附录 A 攻读学位期间所发表的学术论文 | 第54页 |