| 摘要 | 第2-3页 |
| ABSTRACT | 第3页 |
| 第1章 引言 | 第6-8页 |
| 1.1 选题意义 | 第6页 |
| 1.2 文献综述 | 第6-7页 |
| 1.3 问题及研究思路简介 | 第7-8页 |
| 第2章 近似因子模型叙述及强个体效应问题 | 第8-14页 |
| 2.1 近似因子模型叙述 | 第8-10页 |
| 2.2 ER方法思路简述 | 第10-13页 |
| 2.3 强个体效应产生的原因及GR改进的限制 | 第13-14页 |
| 2.4 强个体效应单调有界变换及其存在的问题 | 第14页 |
| 第3章 机器学习求解过程初步设计 | 第14-32页 |
| 3.1 重新认识近似因子强个体效应问题及ER方法 | 第14-15页 |
| 3.2 结合单调回归描述ER序列特征及算法第一准则 | 第15-18页 |
| 3.3 对相似度量矩阵使用谱聚类方法及算法第二准则 | 第18-19页 |
| 3.4 诸准则应用于Bagging组合方法及向前投票算法 | 第19-20页 |
| 3.5 数据降维及向后投票算法 | 第20-23页 |
| 3.6 Bagging算法优化及模拟 | 第23-32页 |
| 3.6.1 算法优化 | 第23-24页 |
| 3.6.2 模拟 | 第24-32页 |
| 第4章 核方法及Bagging算法与核方法的结合 | 第32-48页 |
| 4.1 核方法 | 第32-37页 |
| 4.2 Bagging算法与核方法的意义 | 第37-40页 |
| 4.3 Bagging算法与核方法的结合——Bagging核变换算法 | 第40-43页 |
| 4.4 Bagging算法与核方法的结合——Bagging核过滤算法 | 第43-48页 |
| 第5章 总结 | 第48-52页 |
| 5.1 Bagging算法回归版本与聚类的对比 | 第48-50页 |
| 5.2 诸方法比较与结论 | 第50-52页 |
| 第6章 程序设计与优化简介 | 第52-56页 |
| 6.1 接口简介 | 第52-54页 |
| 6.2 Bagging算法代码优化及优化接口简介 | 第54-56页 |
| 参考文献 | 第56-57页 |
| 致谢 | 第57-58页 |
