| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-10页 |
| ·关键技术及发展趋势 | 第10-14页 |
| ·模式识别的研究现状 | 第10-13页 |
| ·AdaBoost 算法的研究现状 | 第13-14页 |
| ·本文主要研究内容 | 第14-15页 |
| ·本文总体结构 | 第15-16页 |
| 第2章 AdaBoost 的理论基础 | 第16-30页 |
| ·引言 | 第16页 |
| ·Boosting 分类方法 | 第16-23页 |
| ·Boosting 产生与发展 | 第16-17页 |
| ·Boosting 基本思想 | 第17-19页 |
| ·AdaBoost 分类模型 | 第19-23页 |
| ·Gentle AdaBoost | 第23-28页 |
| ·Gentle AdaBoost 理论 | 第23-25页 |
| ·Gentle AdaBoost 稳定性分析 | 第25-28页 |
| ·小结 | 第28-30页 |
| 第3章 AdaBoost 的不平衡数据处理 | 第30-43页 |
| ·引言 | 第30-31页 |
| ·重采样技术 | 第31-35页 |
| ·SMOTE 算法 | 第31-33页 |
| ·Easy Ensemble 方法 | 第33页 |
| ·Balance Cascade 方法 | 第33-35页 |
| ·本文算法 | 第35-37页 |
| ·实验结果与分析 | 第37-42页 |
| ·不平衡数据分类的评价标准 | 第37-38页 |
| ·g-mean 准则 | 第38页 |
| ·F-value 准则 | 第38-39页 |
| ·实验数据介绍 | 第39页 |
| ·算法比较 | 第39-42页 |
| ·小结 | 第42-43页 |
| 第4章 复杂场景目标识别的 AdaBoost 算法 | 第43-56页 |
| ·引言 | 第43-44页 |
| ·经典的 Gentle AdaBoost 算法 | 第44-46页 |
| ·本文改进的 AdaBoost 算法 | 第46-47页 |
| ·实验结果与分析 | 第47-54页 |
| ·LabelMe 数据库介绍 | 第47-48页 |
| ·本文采用的特征提取技术 | 第48-50页 |
| ·算法性能比较 | 第50-52页 |
| ·算法稳定性的测试 | 第52-53页 |
| ·与 Gentle AdaBoost 比较 | 第53-54页 |
| ·小结 | 第54-56页 |
| 第5章 总结与展望 | 第56-58页 |
| ·本文总结 | 第56-57页 |
| ·本文工作展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表的论文和参加科研情况 | 第63页 |
| 一、攻读硕士学位期间发表的论文 | 第63页 |
| 二、攻读硕士学位期间参加科研情况 | 第63页 |