平均分布集成策略：一种新的分类器融合方法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 课题的研究背景及意义 | 第7页 |
| 1.1.1 课题的研究背景 | 第7页 |
| 1.1.2 课题的研究意义 | 第7页 |
| 1.2 国内外研究及发展现状 | 第7-9页 |
| 1.3 存在问题与发展趋势 | 第9-10页 |
| 1.4 主要工作及组织结构 | 第10-13页 |
| 1.4.1 主要工作 | 第10页 |
| 1.4.2 组织结构 | 第10-13页 |
| 第二章 集成学习 | 第13-23页 |
| 2.1 集成学习概述 | 第13页 |
| 2.2 集成学习相关概念 | 第13-14页 |
| 2.3 集成学习框架 | 第14-15页 |
| 2.4 常用的基分类器 | 第15-23页 |
| 2.4.1 K最近邻 | 第15-16页 |
| 2.4.2 决策树 | 第16-18页 |
| 2.4.3 朴素贝叶斯 | 第18-19页 |
| 2.4.4 人工神经网络 | 第19-23页 |
| 第三章 多分类器融合算法 | 第23-27页 |
| 3.1 简单多数投票 | 第23页 |
| 3.2 LP-Adaboost算法 | 第23-25页 |
| 3.3 LP1算法 | 第25-27页 |
| 第四章 平均分布集成策略 | 第27-31页 |
| 4.1 平均分布集成策略思想 | 第27-28页 |
| 4.2 平均分布集成策略算法 | 第28-29页 |
| 4.3 权重上限计算与等价系数 | 第29-31页 |
| 第五章 实验结果及分析 | 第31-37页 |
| 5.1 实验数据及参数设置 | 第31页 |
| 5.2 实验设置与基分类器的构建 | 第31-32页 |
| 5.3 实验结果与分析 | 第32-37页 |
| 第六章 总结与展望 | 第37-39页 |
| 6.1 总结 | 第37页 |
| 6.2 下一步的工作 | 第37-39页 |
| 参考文献 | 第39-43页 |
| 发表论文和参加科研情况 | 第43-45页 |
| 致谢 | 第45页 |
