| 第一章 绪论 | 第1-11页 |
| 1．1 研究背景 | 第7-9页 |
| 1．2 论文内容介绍 | 第9-11页 |
| 第二章 多分类器融合模式识别系统 | 第11-16页 |
| 2．1 多分类器融合模式识别系统结构 | 第11-12页 |
| 2．2 多分类器融合模式识别的优点 | 第12-13页 |
| 2．3 多分类器融合模式识别当前面临的问题及其解决方法 | 第13-14页 |
| 2．4 小结 | 第14-16页 |
| 第三章 多分类器融合模式识别系统的设计 | 第16-27页 |
| 3．1 最优分类器集的设计 | 第16-17页 |
| 3．2 融合器的设计 | 第17-26页 |
| 3．2．1 基于硬决策输出信息的融合方法 | 第18-20页 |
| 3．2．2 基于排序形式的输出信息的融合方法 | 第20-21页 |
| 3．2．3 基于软决策形式的输出信息的融合方法 | 第21-26页 |
| 3．3 小结 | 第26-27页 |
| 第四章 两种最优分类器集的设计方法 | 第27-40页 |
| 4．1 基于关联度最小的最优分类器集设计方法 | 第27-33页 |
| 4．1．1 基于最小加权误识率的关联度函数的设计 | 第27-29页 |
| 4．1．2 加权系数α的设计 | 第29-30页 |
| 4．1．3 实验仿真及结果分析 | 第30-33页 |
| 4．2 基于遗传算法求解最优分类器集的设计方法 | 第33-39页 |
| 4．2．1 遗传算法设计 | 第34-36页 |
| 4．2．2 分类器设计 | 第36页 |
| 4．2．3 实验仿真及结果分析 | 第36-39页 |
| 4．3 小结 | 第39-40页 |
| 第五章 一种改进的神经网络融合算法 | 第40-47页 |
| 5．1 改进的神经网络融合算法的设计 | 第40-41页 |
| 5．2 实验仿真及结果分析 | 第41-46页 |
| 5．3 小结 | 第46-47页 |
| 第六章 多分类器选择模式识别系统及其设计 | 第47-57页 |
| 6．1 多分类器选择模式识别系统介绍 | 第47-48页 |
| 6．2 多分类器选择模式识别系统的设计 | 第48-50页 |
| 6．3 多分类器融合与多分类器选择的比较 | 第50-51页 |
| 6．4 一种基于聚类算法的多分类器选择模式识别方法 | 第51-52页 |
| 6．5 实验仿真及结果分析 | 第52-54页 |
| 6．6 小结 | 第54-57页 |
| 结束语 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |