多分类器集成技术研究

摘要	第1-7页
Abstract	第7-11页
第1章 绪论	第11-17页
·研究背景	第11页
·国内外研究现状	第11-15页
·国外研究现状	第12-14页
·国内研究现状	第14-15页
·本文主要内容和结构安排	第15-17页
第2章 理论基础	第17-33页
·数据挖掘	第17-18页
·分类技术概述	第18-21页
·分类的概念及算法	第18-20页
·分类器性能评价标准	第20-21页
·分类集成技术概述	第21-29页
·集成学习的作用	第23页
·分类集成的拓扑结构	第23-25页
·基分类器的生成方式	第25-27页
·基分类器的组合方式	第27-29页
·分类集成学习中的典型算法	第29-32页
·Boosting算法	第29-30页
·Bagging算法	第30-32页
·Wagging算法	第32页
·MultiBoost算法	第32页
·本章小结	第32-33页
第3章 两种训练样本加权方式	第33-39页
·经典集成方法中样本加权分析	第33-34页
·分层样本加权方法	第34-35页
·基于分类输出的加权方法	第35-37页
·本章小结	第37-39页
第4章 两种投票权值调整方式	第39-45页
·投票方法分析	第39-40页
·动态投票权值调整方法	第40-41页
·基于验证情况的投票权值调整法	第41-44页
·本章小结	第44-45页
第5章 实验结果和分析	第45-58页
·评价方法	第45-46页
·实验数据集介绍	第46-47页
·训练集加权实验	第47-49页
·投票权值调整实验	第49-52页
·集成技术在车辆欠费预测中的应用	第52-57页
·本章小结	第57-58页
结论与展望	第58-60页
致谢	第60-61页
参考文献	第61-65页
攻读硕士学位期间发表的论文	第65页