基于集成学习的覆盖算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·数据挖掘概述 | 第9-11页 |
| ·数据挖掘 | 第9页 |
| ·分类分析 | 第9-10页 |
| ·聚类分析 | 第10-11页 |
| ·机器学习 | 第11-14页 |
| ·机器学习概述 | 第11-12页 |
| ·神经网络概述及研究现状 | 第12-13页 |
| ·集成学习概述及研究现状 | 第13-14页 |
| ·本文的研究方向 | 第14-15页 |
| ·本文的内容和组织结构 | 第15-17页 |
| 第2章 构造性神经网络 | 第17-24页 |
| ·人工神经网络 | 第17-19页 |
| ·人工神经网络的分类 | 第19-21页 |
| ·基于覆盖思想的构造性神经网络 | 第21-23页 |
| ·基本思想 | 第21-22页 |
| ·基于覆盖的构造型神经网络的分析 | 第22页 |
| ·领域覆盖算法 | 第22-23页 |
| ·本章小节 | 第23-24页 |
| 第3章 集成学习 | 第24-38页 |
| ·集成学习的作用 | 第24页 |
| ·集成学习分析 | 第24-25页 |
| ·弱学习器与强学习器转化 | 第24-25页 |
| ·集成学习的学习条件 | 第25页 |
| ·学习过程 | 第25-26页 |
| ·个体生成阶段 | 第25-26页 |
| ·结论生成阶段 | 第26页 |
| ·Boosting算法研究 | 第26-29页 |
| ·AdaBoost算法描述 | 第26-28页 |
| ·AdaBoost算法分析 | 第28-29页 |
| ·Bagging算法研究 | 第29-31页 |
| ·Bagging算法描述 | 第29-30页 |
| ·Bagging分析 | 第30-31页 |
| ·基于集成学习的增量覆盖算法 | 第31-37页 |
| ·增量学习 | 第31页 |
| ·基于集成学习的增量覆盖算法 | 第31-34页 |
| ·实验及分析 | 第34-37页 |
| ·本章小节 | 第37-38页 |
| 第4章 覆盖分类算法研究 | 第38-57页 |
| ·覆盖算法 | 第38-41页 |
| ·交叉覆盖算法 | 第38页 |
| ·算法分析 | 第38-41页 |
| ·基于集成学习的覆盖算法 | 第41-47页 |
| ·基于集成学习的覆盖算法 | 第41-42页 |
| ·实验及分析 | 第42-47页 |
| ·分类集成中差异性度量 | 第47-52页 |
| ·分类集成中个体差异性度量 | 第47-48页 |
| ·领域覆盖算法分类器的差异性度量 | 第48-50页 |
| ·实验及分析 | 第50-52页 |
| ·选择性集成学习 | 第52-56页 |
| ·选择性集成学习 | 第52-53页 |
| ·基于DC的选择性集成覆盖算法 | 第53页 |
| ·实验结果及分析 | 第53-56页 |
| ·本章小节 | 第56-57页 |
| 第5章 覆盖聚类算法研究 | 第57-71页 |
| ·覆盖聚类算法 | 第57-59页 |
| ·覆盖聚类算法 | 第57页 |
| ·覆盖聚类算法的特点 | 第57-59页 |
| ·覆盖算法与K-means的融合使用 | 第59-64页 |
| ·K-means算法 | 第59页 |
| ·基于覆盖聚类的K-means算法 | 第59页 |
| ·实验及分析 | 第59-61页 |
| ·基于K-means的覆盖聚类算法 | 第61-62页 |
| ·实验与分析 | 第62-64页 |
| ·覆盖聚类算法的集成研究 | 第64-70页 |
| ·聚类算法集成 | 第64页 |
| ·聚类算法差异性的衡量 | 第64-65页 |
| ·覆盖聚类的差异性度量 | 第65页 |
| ·覆盖聚类集成算法 | 第65-66页 |
| ·实验及分析 | 第66-68页 |
| ·覆盖聚类选择性集成算法 | 第68页 |
| ·实验及分析 | 第68-70页 |
| ·本章小节 | 第70-71页 |
| 第6章 结论和展望 | 第71-73页 |
| ·本文工作总结 | 第71-72页 |
| ·进一步工作 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间发表学术论文情况 | 第77-78页 |
