首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

集成回归问题若干关键技术研究

摘要第5-7页
ABSTRACT第7-9页
第一章 绪论第15-34页
    1.1 研究背景第15-17页
    1.2 研究综述第17-32页
        1.2.1 回归问题概述第17-20页
        1.2.2 集成学习产生的背景第20-22页
        1.2.3 集成学习的理论依据、概念和思想第22-24页
        1.2.4 集成学习框架第24-27页
        1.2.5 其他集成学习框架第27-30页
        1.2.6 集成学习应用研究第30-31页
        1.2.7 问题和不足第31-32页
    1.3 研究内容和结构安排第32-34页
第二章 基于学习过程模型的集成回归学习算法框架第34-47页
    2.1 回归问题定义第34-36页
    2.2 集成学习解决回归问题的途径第36-37页
    2.3 集成学习与个体学习的关系第37-38页
    2.4 集成回归学习第38-40页
        2.4.1 个体学习器的构建过程第38页
        2.4.2 个体学习器之间的交互第38-39页
        2.4.3 集成组合第39页
        2.4.4 存在的问题第39-40页
    2.5 集成回归学习算法框架第40-46页
        2.5.1 学习过程模型第40-42页
        2.5.2 基于学习过程模型的集成回归学习算法框架第42-44页
        2.5.3 设计有效的集成回归学习算法第44-46页
    2.6 本章小结第46-47页
第三章 基于多重扰动的异质集成回归学习算法第47-75页
    3.1 引言第47-48页
    3.2 问题的提出第48-49页
    3.3 相关理论与研究第49-57页
        3.3.1 集成学习差异度第49-53页
        3.3.2 经典集成回归学习算法第53-55页
        3.3.3 相关研究第55-57页
    3.4 AdaBoost.RT算法及其改进第57-60页
    3.5 基于多重扰动的异质集成回归学习算法第60-66页
        3.5.1 问题定义第60-62页
        3.5.2 算法思想第62-64页
        3.5.3 算法描述第64-65页
        3.5.4 基于多核学习的算法实现第65-66页
    3.6 仿真实验与结果分析第66-73页
        3.6.1 实验环境与数据集第66-68页
        3.6.2 实验设置第68页
        3.6.3 实验结果对比分析第68-73页
    3.7 本章小结第73-75页
第四章 基于后剪枝的自适应动态加权集成算法第75-101页
    4.1 引言第75-76页
    4.2 问题的提出第76-77页
    4.3 相关理论与研究第77-88页
        4.3.1 集成剪枝的必要性第77-78页
        4.3.2 集成剪枝原理第78-80页
        4.3.3 集成剪枝策略第80-83页
        4.3.4 集成剪枝评价标准第83-84页
        4.3.5 集成组合方法第84-86页
        4.3.6 相关研究第86-88页
    4.4 基于后剪枝的自适应动态加权集成算法第88-95页
        4.4.1 问题定义第89页
        4.4.2 算法思想第89-92页
        4.4.3 算法描述第92-93页
        4.4.4 基于极限学习机的算法实现第93-95页
    4.5 仿真实验和结果分析第95-99页
        4.5.1 实验环境和数据集第95-96页
        4.5.2 实验设置第96-97页
        4.5.3 实验结果对比分析第97-99页
    4.6 本章小结第99-101页
第五章 集成学习算法并行化及MapReduce实现第101-113页
    5.1 引言第101-102页
    5.2 问题的提出第102页
    5.3 相关技术第102-105页
        5.3.1 MapReduce并行计算技术第102-104页
        5.3.2 并行化算法性能评估第104-105页
    5.4 集成学习算法并行化第105-108页
        5.4.1 集成学习算法并行化框架第106-107页
        5.4.2 集成学习算法并行化实现第107-108页
    5.5 仿真实验和结果分析第108-112页
        5.5.1 实验环境和数据集第109-110页
        5.5.2 实验设置第110页
        5.5.3 实验结果对比分析第110-112页
    5.6 本章小结第112-113页
第六章 基于公共卫生大数据的传染病集成预测系统第113-128页
    6.1 引言第113-115页
    6.2 系统架构设计第115-117页
        6.2.1 系统总体架构第115-116页
        6.2.2 系统架构说明第116-117页
    6.3 系统功能模块设计第117-121页
        6.3.1 公共卫生大数据存储管理第117-120页
        6.3.2 机器学习元算法库和预测模型库第120-121页
    6.4 系统功能实现第121-122页
    6.5 示范应用与结果分析第122-126页
        6.5.1 应用数据集第122-124页
        6.5.2 应用效果分析第124-126页
    6.6 本章小结第126-128页
第七章 总结与展望第128-131页
    7.1 工作总结第128-129页
    7.2 未来工作展望第129-131页
参考文献第131-142页
附录一 攻读博士期间发表的学术论文第142-143页
附录二 攻读博士期间参与的科研项目第143-144页
附录三 攻读博士期间申请的发明专利第144-145页
致谢第145页

论文共145页,点击 下载论文
上一篇:城镇化进程中房地产价格分异研究
下一篇:民初“孔教会”研究