| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 课题研究的难点 | 第14-15页 |
| 1.4 论文的主要工作 | 第15页 |
| 1.5 论文的章节安排 | 第15-17页 |
| 2 分类器集成方法的理论和关键技术的研究 | 第17-30页 |
| 2.1 引言 | 第17页 |
| 2.2 分类器集成的基本概念 | 第17-20页 |
| 2.2.1 分类器集成的定义 | 第17-18页 |
| 2.2.2 分类器集成的有效性 | 第18-20页 |
| 2.3 分类器集成设计 | 第20-24页 |
| 2.3.1 基分类器生成方式 | 第20-22页 |
| 2.3.2 基分类器的集成策略 | 第22-24页 |
| 2.4 典型的分类器集成方法研究 | 第24-29页 |
| 2.4.1 Bagging | 第24-25页 |
| 2.4.2 Boosting | 第25-27页 |
| 2.4.3 随机子空间 | 第27-28页 |
| 2.4.4 旋转森林 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 一种新的高维数据分类器集成方法 | 第30-38页 |
| 3.1 引言 | 第30页 |
| 3.2 旋转子空间方法(RS) | 第30-33页 |
| 3.3 保局投影方法(LPP) | 第33-34页 |
| 3.4 旋转子空间保局投影的集成方法(RSLPP) | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 实验设计与结果分析 | 第38-56页 |
| 4.1 引言 | 第38页 |
| 4.2 数据库介绍 | 第38-40页 |
| 4.2.1 UCI 数据集 | 第38-39页 |
| 4.2.2 人脸数据库 | 第39-40页 |
| 4.3 基于 UCI 数据集的实验设计及结果分析 | 第40-54页 |
| 4.3.1 参数设置 | 第41-43页 |
| 4.3.2 识别错误率的比较 | 第43-46页 |
| 4.3.3 偏差-方差的比较 | 第46-50页 |
| 4.3.4 时间复杂度的比较 | 第50-51页 |
| 4.3.5 Kappa-Error 图 | 第51-54页 |
| 4.4 基于人脸数据库的实验设计及结果分析 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 工作总结 | 第56-57页 |
| 5.2 工作展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录 | 第64页 |
| A. 作者在攻读学位期间发表的论文和取得的科研成果 | 第64页 |
| B. 作者在攻读硕士学位期间参加的科研项目目录 | 第64页 |