选择性集成学习及其应用研究
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 集成学习研究现状 | 第8-9页 |
| 1.2.2 选择性集成学习研究现状 | 第9-10页 |
| 1.3 本文研究主要内容和组织结构 | 第10-12页 |
| 1.3.1 本文的主要工作 | 第10-11页 |
| 1.3.2 本文组织结构 | 第11-12页 |
| 第二章 集成学习的基础理论 | 第12-20页 |
| 2.1 集成学习的认识 | 第13-14页 |
| 2.1.1 集成学习的起源 | 第13页 |
| 2.1.2 集成学习的概念及作用 | 第13-14页 |
| 2.2 集成分类器的构成 | 第14-15页 |
| 2.2.1 基分类器的生成方法 | 第14-15页 |
| 2.2.2 基分类器的融合方法 | 第15页 |
| 2.3 数据预处理 | 第15-18页 |
| 2.3.1 数据归一化处理 | 第16页 |
| 2.3.2 数据降维技术 | 第16-17页 |
| 2.3.3 面对不平衡数据集的处理方式 | 第17-18页 |
| 2.4 评价指标 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 基于Bagging的决策树医疗诊断系统 | 第20-29页 |
| 3.1 基于机器学习的医疗诊断系统 | 第20-21页 |
| 3.1.1 医疗诊断系统概述 | 第20页 |
| 3.1.2 常用的机器学习诊断模型 | 第20-21页 |
| 3.2 基于Bagging的决策树诊断模型 | 第21-26页 |
| 3.2.1 决策树算法 | 第21-23页 |
| 3.2.2 Bagging&Boosting | 第23-25页 |
| 3.2.3 基于Bagging的决策树诊断系统 | 第25-26页 |
| 3.3 基于Bagging的决策树医疗诊断实验 | 第26-28页 |
| 3.3.1 数据集 | 第26-27页 |
| 3.3.2 数据预处理 | 第27页 |
| 3.3.3 结果分析 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 基于BAD或FBGA的选择性集成模型 | 第29-46页 |
| 4.1 选择性集成学习理论 | 第29-31页 |
| 4.2 选择准则 | 第31-34页 |
| 4.2.1 多样性度量的提出 | 第31页 |
| 4.2.2 多样性度量方法 | 第31-33页 |
| 4.2.3 基于准确率和多样性的BAD选择准则 | 第33-34页 |
| 4.3 选择策略 | 第34-39页 |
| 4.3.1 遗传算法 | 第34-36页 |
| 4.3.2 爬山算法 | 第36-37页 |
| 4.3.3 前序选择方法 | 第37页 |
| 4.3.4 后序选择方法 | 第37-38页 |
| 4.3.5 基于前序与后序的FBGA选择方法 | 第38-39页 |
| 4.4 选择性集成模型应用实验 | 第39-45页 |
| 4.4.1 BAD准则实验 | 第39-43页 |
| 4.4.2 FBGA选取方法实验 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 总结和展望 | 第46-48页 |
| 5.1 主要工作总结 | 第46页 |
| 5.2 本课题今后需进一步研究的地方 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 个人简历 | 第51-52页 |
| 致谢 | 第52页 |
