基于神经网络集成的增量式学习
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·引言 | 第11-14页 |
| ·研究现状 | 第14-15页 |
| ·内容概述 | 第15-16页 |
| ·本论文的创新点 | 第16-17页 |
| 第2章 相关知识 | 第17-21页 |
| ·集成学习 | 第17页 |
| ·负相关学习 | 第17-18页 |
| ·集成学习在增量式学习中的应用 | 第18-21页 |
| 第3章 选择性负相关神经网络集成算法 | 第21-37页 |
| ·算法介绍 | 第21-27页 |
| ·算法概述 | 第21-23页 |
| ·集成选择算法 | 第23-27页 |
| ·实验及分析 | 第27-34页 |
| ·实验设置 | 第27-28页 |
| ·实验结果及分析 | 第28-32页 |
| ·与其他方法的比较与分析 | 第32-34页 |
| ·本章小结 | 第34-37页 |
| 第4章 类别不平衡分类问题 | 第37-63页 |
| ·概述 | 第37-40页 |
| ·类别不平衡问题的研究概况 | 第40-43页 |
| ·预采样方法 | 第40-41页 |
| ·代价敏感学习的方法 | 第41-42页 |
| ·其它方法 | 第42-43页 |
| ·动态采样算法介绍 | 第43-47页 |
| ·实验及分析 | 第47-60页 |
| ·实验设置 | 第47-50页 |
| ·DyS与相关方法的比较及分析 | 第50-58页 |
| ·进一步分析 | 第58-60页 |
| ·本章小结 | 第60-63页 |
| 第5章 类别不平衡增量式学习 | 第63-95页 |
| ·概述 | 第63-64页 |
| ·算法介绍 | 第64-71页 |
| ·基本思路 | 第64-67页 |
| ·一些细节 | 第67-69页 |
| ·算法复杂度分析 | 第69-70页 |
| ·算法的要素 | 第70-71页 |
| ·实验分析 | 第71-92页 |
| ·实验设置 | 第71-72页 |
| ·在人工数据集上的实验 | 第72-76页 |
| ·在UCI数据库上的实际数据集的实验 | 第76-87页 |
| ·运行时间上的比较 | 第87页 |
| ·集成的组成部分对算法的影响 | 第87-90页 |
| ·参数对算法的影响 | 第90-92页 |
| ·本章小结 | 第92-95页 |
| 第6章 总结及展望 | 第95-99页 |
| ·工作总结 | 第95-98页 |
| ·未来展望 | 第98-99页 |
| 参考文献 | 第99-107页 |
| 致谢 | 第107-109页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第109页 |
