基于梯度提升树的行为式验证码人机识别的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 一、绪论 | 第9-15页 |
| 1.1 研究背景与研究意义 | 第9-14页 |
| 1.1.1 验证码的发展 | 第9-12页 |
| 1.1.2 验证码的意义 | 第12-14页 |
| 1.2 核心问题 | 第14-15页 |
| 二、学习算法概述 | 第15-27页 |
| 2.1 ENSEMBLE方法介绍 | 第15-18页 |
| 2.1.1 Ensemble框架设计思路 | 第15-16页 |
| 2.1.2 Ensemble的优点与应用 | 第16页 |
| 2.1.3 常用的集成学习算法 | 第16-18页 |
| 2.2 GBDT算法理论 | 第18-23页 |
| 2.2.1 梯度提升机 | 第18-21页 |
| 2.2.2 梯度提升决策树 | 第21-23页 |
| 2.3 LOGISTIC回归 | 第23-24页 |
| 2.3.1 Logistic模型 | 第23-24页 |
| 2.3.2 Logistic回归的局限 | 第24页 |
| 2.4 朴素贝叶斯 | 第24-25页 |
| 2.4.1 贝叶斯算法理论 | 第24-25页 |
| 2.4.2 贝叶斯算法的优劣 | 第25页 |
| 2.5 决策树 | 第25-27页 |
| 2.5.1 决策树模型 | 第25-26页 |
| 2.5.2 决策树优缺点 | 第26-27页 |
| 三、实验过程及结果 | 第27-35页 |
| 3.1 数据来源 | 第27-30页 |
| 3.2 GBDT分类器 | 第30-32页 |
| 3.3 模型比较 | 第32-35页 |
| 四、结论与展望 | 第35-36页 |
| 4.1 总结 | 第35页 |
| 4.2 展望 | 第35-36页 |
| 参考文献 | 第36-38页 |
| 致谢 | 第38页 |
