| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 研究概述及发展趋势 | 第8-9页 |
| 1.3 本文的主要工作和结构安排 | 第9-10页 |
| 1.4 本章小结 | 第10-11页 |
| 第二章 集成学习的概念和研究现状 | 第11-20页 |
| 2.1 集成学习的概念和应用 | 第11-12页 |
| 2.1.1 集成学习的概念 | 第11页 |
| 2.1.2 集成学习在各个领域上的应用 | 第11-12页 |
| 2.2 集成学习的代表和结合策略 | 第12-15页 |
| 2.2.1 Boosting | 第12-13页 |
| 2.2.2 Bagging | 第13-14页 |
| 2.2.3 随机森林 | 第14页 |
| 2.2.4 结合策略 | 第14-15页 |
| 2.3 多样性 | 第15-17页 |
| 2.3.1 成对的度量方法 | 第15-16页 |
| 2.3.2 非成对的度量方法 | 第16-17页 |
| 2.4 集成剪枝 | 第17-19页 |
| 2.4.1 集成剪枝的提出和发展 | 第17页 |
| 2.4.2 集成剪枝方法的分类和代表 | 第17-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 基于语音的抑郁识别集成学习模型 | 第20-29页 |
| 3.1 语音数据采集及预处理 | 第20-22页 |
| 3.2 基于语音的抑郁识别集成学习模型 | 第22-23页 |
| 3.3 相关实验及分析 | 第23-28页 |
| 3.3.1 基于语音的抑郁识别集成学习效果检测实验 | 第23-24页 |
| 3.3.2 两种集成框架比较实验 | 第24-26页 |
| 3.3.3 三种言语模式的比较实验 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 基于样本概率的集成剪枝算法 | 第29-45页 |
| 4.1 现有集成剪枝方法的不足 | 第29页 |
| 4.2 基于样本概率的集成剪枝方法 | 第29-33页 |
| 4.3 数据实验及分析 | 第33-38页 |
| 4.3.1 实验设置和数据集 | 第33-34页 |
| 4.3.2 实验结果和讨论 | 第34-38页 |
| 4.4 基于语音的抑郁识别框架上的集成剪枝 | 第38-42页 |
| 4.4.1 实验设置 | 第38-39页 |
| 4.4.2 结果和讨论 | 第39-42页 |
| 4.5 本章小结 | 第42-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 已有工作总结 | 第45页 |
| 5.2 未来工作展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 在学期间的研究成果 | 第51-52页 |
| 致谢 | 第52页 |