| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 基于增量学习的分类算法研究现状 | 第12-13页 |
| 1.2.2 多阶段群体决策的研究现状 | 第13页 |
| 1.2.3 Q-学习算法的研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 相关知识 | 第17-23页 |
| 2.1 增量学习 | 第17页 |
| 2.2 多阶段群体决策模型 | 第17-18页 |
| 2.3 强化学习 | 第18-19页 |
| 2.4 Q-学习算法 | 第19-22页 |
| 2.4.1 Q-学习算法原理 | 第19-21页 |
| 2.4.2 收敛性分析 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于Q-学习算法的增量分类模型 | 第23-31页 |
| 3.1 基于Q-学习算法的增量分类模型 | 第23-24页 |
| 3.2 算法 | 第24-27页 |
| 3.3 实验结果 | 第27-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于改进Q-学习算法的多阶段群体决策模型 | 第31-39页 |
| 4.1 基于Q-学习算法的多阶段群体决策模型 | 第31-32页 |
| 4.2 基于Q-学习算法的多阶段群体决策算法 | 第32-33页 |
| 4.3 基于Q-学习算法的多阶段群体决策模型共识度分析 | 第33-34页 |
| 4.4 计算实例 | 第34-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 总结和展望 | 第39-41页 |
| 5.1 工作总结 | 第39页 |
| 5.2 展望 | 第39-41页 |
| 参考文献 | 第41-44页 |
| 致谢 | 第44-45页 |
| 攻读学位期间取得的研究成果 | 第45页 |