改进的样本选择对分类算法影响的研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 论文研究的背景和意义 | 第8-9页 |
| 1.2 论文研究的内容和方法 | 第9-10页 |
| 1.3 本论文组织结构安排 | 第10-12页 |
| 第二章 样本选择相关知识 | 第12-18页 |
| 2.1 简单随机抽样 | 第12页 |
| 2.2 分层抽样 | 第12-13页 |
| 2.3 密度偏差抽样 | 第13页 |
| 2.4 KNN | 第13-14页 |
| 2.5 遗传算法结合神经网络的方式 | 第14-15页 |
| 2.6 样本选择的评价 | 第15-16页 |
| 2.7 样本选择方法归纳 | 第16-18页 |
| 第三章 监督学习介绍 | 第18-28页 |
| 3.1 分类的基础和算法分析 | 第18-21页 |
| 3.1.1 决策树算法 | 第18-19页 |
| 3.1.2 KNN算法 | 第19页 |
| 3.1.3 VSM算法 | 第19页 |
| 3.1.4 贝叶斯法算法 | 第19-20页 |
| 3.1.5 神经网络算法 | 第20页 |
| 3.1.6 SVM算法 | 第20-21页 |
| 3.2 神经网络算法 | 第21-25页 |
| 3.2.1 神经网络基本原理 | 第21-22页 |
| 3.2.2 激活函数 | 第22页 |
| 3.2.3神经网络模型 | 第22-25页 |
| 3.3决策树 | 第25-28页 |
| 3.3.1 ID3算法 | 第26-27页 |
| 3.3.2 C4.5算法 | 第27-28页 |
| 第四章 改进的样本选择算法 | 第28-33页 |
| 4.1 模拟退火算法 | 第28-29页 |
| 4.2 样本主动学习介绍 | 第29-30页 |
| 4.3 改进的样本选择算法 | 第30-32页 |
| 4.4 算法的优缺点 | 第32页 |
| 4.5 算法的前景 | 第32-33页 |
| 第五章 实验 | 第33-44页 |
| 5.1 实验平台 | 第33页 |
| 5.2 实验数据 | 第33-36页 |
| 5.2.1 鲍鱼年龄数据 | 第33-34页 |
| 5.2.2 成年收入数据集 | 第34-36页 |
| 5.3 实验结果 | 第36-43页 |
| 5.3.1 模拟退火算法改进的BP神经网络实验 | 第36-40页 |
| 5.3.2 模拟退火算法改进的决策树实验 | 第40-43页 |
| 5.4 实验分析 | 第43-44页 |
| 第六章 总结与展望 | 第44-46页 |
| 6.1 总结 | 第44页 |
| 6.2 存在的问题以及展望 | 第44-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-50页 |
