| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-19页 |
| ·本文研究背景与意义 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·集成学习 | 第13-15页 |
| ·动态集成技术 | 第15-16页 |
| ·本文主要研究内容 | 第16-17页 |
| ·本文组织结构 | 第17-19页 |
| 第二章 集成学习的基本理论和方法 | 第19-28页 |
| ·集成学习的相关概念 | 第19-20页 |
| ·集成有效的原因 | 第20-21页 |
| ·集成学习的理论分析 | 第21-22页 |
| ·集成学习的框架 | 第22-23页 |
| ·基分类器的训练 | 第22-23页 |
| ·基分类器的集成策略 | 第23页 |
| ·几种主要的集成技术 | 第23-26页 |
| ·Bagging | 第23-24页 |
| ·AdaBoost | 第24-25页 |
| ·随机子空间法 | 第25-26页 |
| ·交叉验证 | 第26页 |
| ·动态集成技术 | 第26页 |
| ·集成学习中存在的问题 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于属性泛化的动态集成学习算法 | 第28-40页 |
| ·引言 | 第28-29页 |
| ·基分类器训练集构造的划分策略 | 第29-30页 |
| ·随机划分 | 第29页 |
| ·聚类划分 | 第29页 |
| ·超平面划分 | 第29-30页 |
| ·先验知识划分 | 第30页 |
| ·判别分析划分 | 第30页 |
| ·利用属性泛化技术的属性值划分方法 | 第30-34页 |
| ·数据的层次特征 | 第30-31页 |
| ·属性泛化技术 | 第31-32页 |
| ·产生泛化的层次属性值 | 第32-33页 |
| ·属性值划分 | 第33-34页 |
| ·基于属性值划分的动态集成学习算法 | 第34-36页 |
| ·基分类器的训练 | 第34页 |
| ·基分类器的集成 | 第34-35页 |
| ·GAVPEL 算法描述 | 第35-36页 |
| ·试验结果和分析 | 第36-38页 |
| ·试验数据 | 第36-37页 |
| ·试验结果与分析 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 基于多重多层次属性泛化的动态集成学习算法 | 第40-49页 |
| ·引言 | 第40页 |
| ·基于 MRML 属性泛化的并行划分方法 | 第40-43页 |
| ·多重多层次的泛化模型 | 第40-43页 |
| ·属性值的并行多路划分 | 第43页 |
| ·基于 MRML 属性泛化并行划分的动态集成学习算法 | 第43-45页 |
| ·基分类器的训练 | 第43-44页 |
| ·基分类器的集成 | 第44-45页 |
| ·M2 算法描述与时间性能 | 第45页 |
| ·试验结果与分析 | 第45-48页 |
| ·试验结果 | 第45-47页 |
| ·结果分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·本文总结 | 第49页 |
| ·未来工作展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 攻读硕士学位期间参加研究的课题和发表的论文 | 第56-57页 |