随机森林改进的若干研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| CONTENTS | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 研究现状概述 | 第12-15页 |
| 1.3 论文主要工作 | 第15-16页 |
| 1.4 论文组织安排 | 第16-17页 |
| 第二章 随机森林原理简介 | 第17-28页 |
| 2.1 集成学习 | 第17-20页 |
| 2.1.1 集成学习简介 | 第17-19页 |
| 2.1.2 Bagging和Boosting算法 | 第19-20页 |
| 2.2 决策树 | 第20-22页 |
| 2.2.1 决策树简介 | 第20-21页 |
| 2.2.2 分类回归树(CART) | 第21-22页 |
| 2.3 随机森林原理概述 | 第22-27页 |
| 2.3.1 随机森林的定义 | 第23页 |
| 2.3.2 随机森林算法 | 第23-24页 |
| 2.3.3 随机森林的泛化误差 | 第24-26页 |
| 2.3.4 样本相似度矩阵 | 第26-27页 |
| 2.4 随机森林的特点 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 随机森林样本相似度的改进研究 | 第28-42页 |
| 3.1 随机森林样本相似度计算的改进 | 第28-31页 |
| 3.2 基于改进样本相似度的分类 | 第31-37页 |
| 3.2.1 实验方案和参数设置 | 第31-32页 |
| 3.2.2 实验结果与分析 | 第32-37页 |
| 3.3 基于改进样本相似度的异常点检测研究 | 第37-41页 |
| 3.3.1 实验方案和参数设置 | 第38-39页 |
| 3.3.2 实验结果与分析 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于分类间隔加权的随机森林研究 | 第42-55页 |
| 4.1 分类间隔研究简述 | 第42-43页 |
| 4.2 基于分类间隔加权的随机森林 | 第43-45页 |
| 4.3 实验与分析 | 第45-54页 |
| 4.3.1 实验数据说明 | 第45-46页 |
| 4.3.2 实验方案与参数设置 | 第46-47页 |
| 4.3.3 实验结果与分析 | 第47-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 全文总结 | 第55-56页 |
| 5.2 存在的问题和进一步的研究工作 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 附录 | 第63-64页 |
| 致谢 | 第64页 |
