| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 主要符号表 | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文主要的研究工作 | 第14-15页 |
| 1.4 论文的结构 | 第15-17页 |
| 第二章 集成学习及分类 | 第17-27页 |
| 2.1 集成学习概述 | 第17-19页 |
| 2.1.1 Boosting算法 | 第17-18页 |
| 2.1.2 Bagging算法 | 第18-19页 |
| 2.1.3 偏差与方差 | 第19页 |
| 2.2 结合策略 | 第19-22页 |
| 2.3 模型评估 | 第22-26页 |
| 2.3.1 评估方法 | 第23-24页 |
| 2.3.2 性能度量 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 Stacking算法 | 第27-33页 |
| 3.1 Stacking算法介绍 | 第27页 |
| 3.2 Stacking算法框架 | 第27-31页 |
| 3.3 元层学习器的属性表示和元层学习算法的研究 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 Stacking算法的改进 | 第33-55页 |
| 4.1 改进算法 | 第33-43页 |
| 4.1.1 2-层和3-层个体学习器的输入属性表示 | 第33-36页 |
| 4.1.2 基分类器的选择 | 第36页 |
| 4.1.3 结合方法 | 第36-37页 |
| 4.1.4 改进的Stacking算法 | 第37-43页 |
| 4.2 实验设置 | 第43-50页 |
| 4.2.1 实验数据集及参数设置 | 第43-44页 |
| 4.2.2 实验结果比较及分析 | 第44-50页 |
| 4.3 改进的Stacking算法的人脸识别 | 第50-52页 |
| 4.3.1 数据描述及参数设置 | 第50-51页 |
| 4.3.2 实验结果与分析 | 第51-52页 |
| 4.4 遗传算法优化结构 | 第52-53页 |
| 4.4.1 遗传算法优化结构 | 第52-53页 |
| 4.4.2 实验结果及分析 | 第53页 |
| 4.5 本章小结 | 第53-55页 |
| 总结与展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 附录 | 第61-62页 |
| 攻读硕士学位期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 附件 | 第64页 |