| 中文摘要 | 第1-3页 |
| Abstract | 第3-5页 |
| 中文文摘 | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景与选题意义 | 第10-11页 |
| ·多分类器融合技术的概念、方法和应用 | 第11-13页 |
| ·多分类器融合技术的概念 | 第12页 |
| ·多分类器融合技术的方法 | 第12-13页 |
| ·多分类器融合技术的应用 | 第13页 |
| ·主要研究内容及特色 | 第13-15页 |
| ·论文章节安排 | 第15-18页 |
| 第二章 纠错输出编码算法(ECOC)分析 | 第18-24页 |
| ·ECOC算法的基本思想 | 第18-20页 |
| ·ECOC算法的编码矩阵分析 | 第20页 |
| ·ECOC算法的研究现状 | 第20-21页 |
| ·ECOC算法的优缺点 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 半监督层次纠错输出编码算法 | 第24-38页 |
| ·半监督学习算法概述 | 第24-26页 |
| ·半监督学习的常用算法 | 第24-25页 |
| ·半监督学习的应用 | 第25-26页 |
| ·半监督层次纠错输出编码算法(Semi-HECOC) | 第26-32页 |
| ·Semi-HECOC算法简介 | 第26-27页 |
| ·半监督的纠错输出编码 | 第27-28页 |
| ·层次编码算法 | 第28-29页 |
| ·层次编码算法的图解范例 | 第29-31页 |
| ·Semi-HECOC算法描述 | 第31-32页 |
| ·实验及评估 | 第32-36页 |
| ·实验数据集 | 第32-33页 |
| ·实验环境设置 | 第33页 |
| ·实验结果对比 | 第33-34页 |
| ·实验参数分析 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 基于KNN模型的层次纠错输出编码算法 | 第38-48页 |
| ·KNN模型算法概述 | 第38-39页 |
| ·基于KNN模型的层次纠错输出编码算法(KNNM-HECOC) | 第39-43页 |
| ·KNNM-HECOC算法简介 | 第39-40页 |
| ·KNNM-HECOC算法的基本思路 | 第40-41页 |
| ·KNNM-HECOC算法描述 | 第41-43页 |
| ·实验及评估 | 第43-47页 |
| ·实验环境 | 第43-44页 |
| ·实验结果 | 第44-45页 |
| ·实验参数分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 动态层次纠错输出编码算法 | 第48-64页 |
| ·研究背景与相关工作 | 第48-50页 |
| ·概念漂移问题概述 | 第48-49页 |
| ·增量KnnModel算法 | 第49-50页 |
| ·基于增量KnnModel的动态层次纠错输出编码算法(IKnnM-DHecoc) | 第50-57页 |
| ·IKnnM-DHecoc算法的具体步骤 | 第51-54页 |
| ·一次数据概念漂移的示例过程 | 第54-56页 |
| ·IKnnM-DHecoc算法的实现 | 第56-57页 |
| ·实验及评估 | 第57-63页 |
| ·实验使用的算法 | 第58页 |
| ·实验数据集 | 第58-59页 |
| ·实验结果与分析 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 基于特征的概念漂移检测算法 | 第64-76页 |
| ·特征选择概述 | 第64-65页 |
| ·基于特征子空间的概念漂移检测方法(FSDA) | 第65-69页 |
| ·最佳子空间簇 | 第65-66页 |
| ·目标优化函数 | 第66-67页 |
| ·权重的调整 | 第67页 |
| ·概念漂移的特征定义 | 第67-68页 |
| ·FSDA算法过程 | 第68-69页 |
| ·实验及评估 | 第69-73页 |
| ·实验数据集 | 第70页 |
| ·实验结果与分析 | 第70-73页 |
| ·本章小结 | 第73-76页 |
| 第七章 结论与展望 | 第76-80页 |
| ·本文工作总结 | 第76-77页 |
| ·今后工作展望 | 第77-80页 |
| 参考文献 | 第80-88页 |
| 攻读学位期间承担的科研任务与主要成果 | 第88-90页 |
| 致谢 | 第90-92页 |
| 个人简历 | 第92-93页 |
