首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

可变空间树分类器

摘要第1-5页
Abstract第5-10页
第一章 引言第10-22页
   ·机器学习第10-12页
     ·发展过程第10-11页
     ·研究内容第11-12页
   ·分类第12-17页
     ·决策树第12-13页
     ·贝叶斯方法第13-14页
     ·人工神经网络第14页
     ·近邻第14-15页
     ·支持向量机第15-16页
     ·集成分类器第16-17页
   ·流形学习第17-18页
   ·谱方法第18-19页
   ·论文的主要工作第19-20页
   ·论文组织第20-22页
第二章 Fast C4.5第22-46页
   ·引言第22-23页
   ·决策树与C4.5 算法第23-28页
     ·决策树第24-26页
     ·C4.5 算法第26-28页
   ·C4.5 算法瓶颈第28-30页
     ·连续属性分裂点的评价第28-29页
     ·分割点的确定第29-30页
   ·Fast C4.5 算法第30-39页
     ·预处理第30-33页
     ·决策树构建第33-39页
       ·属性列表的使用方法第33-34页
       ·快速连续属性分裂点评价第34-38页
       ·快速分割点寻找第38-39页
   ·实验第39-45页
     ·实验设计第39-41页
     ·运行性能实验第41-42页
     ·可扩放性实验第42-43页
     ·关于输出的讨论第43-45页
   ·本章小结第45-46页
第三章 潜在属性空间树分类器第46-77页
   ·引言第46-48页
   ·奇异值分解和奇异向量空间第48-51页
     ·奇异值分解第48-49页
     ·奇异向量空间第49-51页
   ·潜在属性空间树分类器框架第51页
   ·奇异向量空间树分类器第51-58页
     ·奇异向量空间斜决策树第52页
     ·全局奇异向量空间斜决策树第52-54页
     ·局部奇异向量空间斜决策树第54-57页
     ·时间复杂度分析第57-58页
   ·实验第58-76页
     ·评价指标第59页
     ·实验设计第59-60页
     ·实验结果及讨论第60-75页
       ·测试错误率第61-67页
       ·决策树大小第67-72页
       ·决策树构建时间第72-75页
     ·小结第75-76页
   ·本章小节第76-77页
第四章 谱空间树分类器第77-103页
   ·引言第77-78页
   ·图谱方法第78-83页
     ·图的分割准则第78-82页
     ·图的构建第82-83页
   ·基于非线性流形映射的分类器框架第83-85页
     ·流形映射第83-84页
     ·分类器构建第84页
     ·测试数据的分类第84-85页
   ·谱空间树分类器第85-93页
     ·基本理论第85-89页
       ·谱空间变换第85-87页
       ·测试数据的分类第87-89页
     ·具体实现及改进第89-93页
       ·基于连续化-最近邻的局部尺度全连通图构建第89-91页
       ·归一化的拉普拉斯矩阵第91页
       ·谱空间树分类器算法第91-93页
   ·基于有监督流形映射的谱空间树分类器第93-95页
     ·有监督的谱空间变换第94-95页
   ·基于非线性流形映射分类器框架的其它实现第95-98页
     ·流形降维第95-98页
       ·等度规映射第96-97页
       ·局部线性嵌入第97-98页
   ·实验第98-102页
     ·实验设计第99-100页
     ·实验结果及讨论第100-102页
       ·测试错误率第100-101页
       ·决策树大小第101-102页
   ·本章小结第102-103页
第五章 结论第103-105页
   ·研究成果第103-104页
   ·工作展望第104-105页
参考文献第105-112页
致谢第112-113页
攻读学位期间发表学术论文目录第113-114页
攻读学位期间参与科研项目第114-115页

论文共115页,点击 下载论文
上一篇:职业中学“双师型”教师队伍建设的探索与实践
下一篇:中等职业学校实施学分制的实践研究--以江苏省G职教中心校为例