| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·多分类器融合简介 | 第8-9页 |
| ·研究的目的和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文研究内容安排 | 第11-12页 |
| 第二章 预备知识 | 第12-28页 |
| ·模糊测度和模糊积分 | 第12-14页 |
| ·模糊测度 | 第12-13页 |
| ·模糊积分 | 第13-14页 |
| ·几种常见的单分类器 | 第14-17页 |
| ·神经网络分类器(Neural Network) | 第15-16页 |
| ·决策树分类器(Decision Tree) | 第16页 |
| ·k-近邻分类器(K-NearestANeighbor) | 第16-17页 |
| ·传统的多分类器融合方法 | 第17-21页 |
| ·遗传算法 | 第21-26页 |
| ·标准遗传算法的一般步骤 | 第21-24页 |
| ·改进遗传算法设计元素 | 第24-26页 |
| ·小生境遗传算法 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第三章 基于模糊积分的多分类器融合 | 第28-38页 |
| ·基于模糊积分多分类器融合模型 | 第28-30页 |
| ·模糊测度在融合系统中的作用 | 第30-32页 |
| ·模糊测度表示各个分类器之间交互作用 | 第30-31页 |
| ·模糊测度的纠错作用 | 第31-32页 |
| ·几种确定模糊测度的方法 | 第32-37页 |
| ·小结 | 第37-38页 |
| 第四章 基于小生境遗传算法的多分类器融合 | 第38-47页 |
| ·基于小生境遗传算法模糊测度的构造 | 第38-42页 |
| ·仿真实验 | 第42-46页 |
| ·基于同一类型分类器融合实验分析 | 第42-44页 |
| ·基于不同类型分类器融合实验分析 | 第44-46页 |
| ·小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| ·总结 | 第47页 |
| ·展望及下一步研究的工作 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间发表的论文 | 第54页 |