基于随机赋权网络的符号值数据分类
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外研究现状及分析 | 第9-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.4 论文组织 | 第12-13页 |
| 第2章 实值的极速学习机算法 | 第13-20页 |
| 2.1 实值的极速学习机结构和原理 | 第13-16页 |
| 2.2 极速学习机的广义逆 | 第16-19页 |
| 2.2.1 广义逆的计算 | 第16-18页 |
| 2.2.2 奇异值分解法 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 随机赋权网络处理较小符号型数据 | 第20-35页 |
| 3.1 C4.5 算法简介 | 第20-22页 |
| 3.1.1 相关概念 | 第20-21页 |
| 3.1.2 算法描述 | 第21-22页 |
| 3.2 实验数据简介及处理 | 第22-24页 |
| 3.2.1 数据简介 | 第22-23页 |
| 3.2.2 数据处理 | 第23-24页 |
| 3.3 时间复杂度与泛化能力 | 第24-25页 |
| 3.4 训练样例大小对算法性能影响 | 第25-27页 |
| 3.5 处理不完整数据的能力 | 第27-33页 |
| 3.5.1 添加随机噪声 | 第27-29页 |
| 3.5.2 删除部分属性值 | 第29-31页 |
| 3.5.3 删除某几个属性的所有属性值 | 第31-33页 |
| 3.6 结果分析 | 第33-34页 |
| 3.7 本章小结 | 第34-35页 |
| 第4章 随机赋权网络处理较大符号型数据 | 第35-42页 |
| 4.1 数据集简介 | 第35页 |
| 4.2 时间复杂度与泛化能力 | 第35-36页 |
| 4.3 训练样例大小对算法性能影响 | 第36-37页 |
| 4.4 处理不完整数据的能力 | 第37-40页 |
| 4.4.1 添加随机噪声 | 第37-38页 |
| 4.4.2 删除部分属性值 | 第38-39页 |
| 4.4.3 删除某几个属性的所有属性值 | 第39-40页 |
| 4.5 总结与分析 | 第40-42页 |
| 第5章 总结与展望 | 第42-43页 |
| 5.1 本文总结 | 第42页 |
| 5.2 工作展望 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 致谢 | 第47-48页 |
| 攻读学位期间取得的科研成果 | 第48页 |
