| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10页 |
| ·多分类器集成的产生 | 第10-11页 |
| ·多分类器集成存在的问题及研究现状 | 第11-14页 |
| ·存在的问题 | 第12页 |
| ·研究现状 | 第12-14页 |
| ·本文的主要研究内容 | 第14页 |
| ·本文的总体结构 | 第14-15页 |
| 第二章 多分类器集成的理论基础 | 第15-27页 |
| ·分类器集成 | 第15页 |
| ·分类器集成的基本概念 | 第15页 |
| ·集成学习研究的基本问题 | 第15页 |
| ·多分类器的系统架构 | 第15-16页 |
| ·分类器的设计方法 | 第16-17页 |
| ·分类器的选择准则 | 第17-19页 |
| ·分类器的性能度量 | 第17-18页 |
| ·分类器多样性的度量 | 第18-19页 |
| ·分类器的评价与比较 | 第19-20页 |
| ·多分类器集成的主要算法 | 第20-24页 |
| ·应用领域 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 多分类器动态组合算法（DEA 和EMDA） | 第27-31页 |
| ·相关理论知识 | 第27-28页 |
| ·聚类 | 第27-28页 |
| ·经典聚类——k-均值 | 第28页 |
| ·集成学习的多分类器动态组合（DEA）算法 | 第28-29页 |
| ·DEA 算法思想 | 第28-29页 |
| ·DEA 的性能评价 | 第29页 |
| ·平均错误[34]（mean error） | 第29页 |
| ·基于信息熵的多分类器组合（EMDA）算法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 实验及结果分析 | 第31-37页 |
| ·实验数据集 | 第31-33页 |
| ·DEA 算法实验及结果分析 | 第33-34页 |
| ·DEA 算法实验数据 | 第33页 |
| ·实验结果比较与分析 | 第33-34页 |
| ·DEA 算法结论 | 第34页 |
| ·EMDA 算法实验及结果分析 | 第34-36页 |
| ·EMDA 算法实验数据 | 第34-35页 |
| ·实验结果比较与分析 | 第35页 |
| ·EMDA 算法结论 | 第35-36页 |
| ·DEA 与EMDA 算法的比较 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第五章 基于特征选择的多分类器集成算法（FSCE） | 第37-43页 |
| ·相关理论知识 | 第37-38页 |
| ·支持向量机 | 第37页 |
| ·特征选择 | 第37-38页 |
| ·算法基本思想 | 第38-39页 |
| ·FSCE 算法流程图 | 第39页 |
| ·算法描述 | 第39-40页 |
| ·实验结果及分析 | 第40-42页 |
| ·数据库分析 | 第40-41页 |
| ·实验结果 | 第41页 |
| ·实验结果分析 | 第41-42页 |
| ·结论 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第六章 总结与展望 | 第43-45页 |
| ·总结 | 第43页 |
| ·下一步的工作 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第48-49页 |
| 致谢 | 第49页 |