基于随机森林的正例与未标注学习研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 第一类 PU 学习算法 | 第11-12页 |
| 1.2.2 第二类 PU 学习算法 | 第12-13页 |
| 1.2.3 PU 学习的集成算法 | 第13页 |
| 1.2.4 PU 学习算法的应用 | 第13-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 相关研究概述 | 第15-24页 |
| 2.1 POSC4.5 算法 | 第15-20页 |
| 2.1.1 计算学习理论相关 | 第15-17页 |
| 2.1.2 POSC4.5 算法 | 第17-20页 |
| 2.2 随机森林算法 | 第20-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第三章 基于随机森林的 PU 学习 | 第24-31页 |
| 3.1 随机 POSC4.5 算法 | 第24-26页 |
| 3.2 结合自助法抽样训练多棵决策树 | 第26-29页 |
| 3.3 袋外误差 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 实验结果及分析 | 第31-41页 |
| 4.1 实验数据集 | 第31页 |
| 4.2 算法的性能指标 | 第31-32页 |
| 4.3 比较算法与参数设置 | 第32-33页 |
| 4.4 实验结果与分析 | 第33-40页 |
| 4.4.1 场景 1 下的实验结果与分析 | 第33-37页 |
| 4.4.2 场景 2 下的实验结果与分析 | 第37-39页 |
| 4.4.3 袋外误差实验 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 总结与展望 | 第41-43页 |
| 5.1 总结 | 第41页 |
| 5.2 展望 | 第41-43页 |
| 参考文献 | 第43-46页 |
| 致谢 | 第46-47页 |
| 作者简介 | 第47页 |
