| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-17页 |
| ·集成算法的应用背景 | 第8-9页 |
| ·集成算法的研究现状 | 第9-10页 |
| ·同态集成技术 | 第9页 |
| ·异态集成技术 | 第9页 |
| ·反向标定合成训练数据的扩充技术 | 第9-10页 |
| ·集成算法的研究中所存在的问题 | 第10-13页 |
| ·集成算法与决策树的结合 | 第10-12页 |
| ·集成算法与其他分类器的结合 | 第12-13页 |
| ·集成算法在这些分类器结合过程中存在的问题 | 第13页 |
| ·神经网络的研究概述 | 第13-15页 |
| ·本文内容概述和结构安排 | 第15-17页 |
| 2 随机径向基函数神经网络森林 | 第17-29页 |
| ·随机径向基函数神经网络森林概述 | 第17-23页 |
| ·随机径向基函数神经网络森林模型的构建 | 第18-19页 |
| ·随机径向基函数神经网络森林模型的预测 | 第19-20页 |
| ·随机径向基函数神经网络森林模型规模的设定 | 第20-23页 |
| ·随机径向基函数神经网络森林的应用 | 第23-28页 |
| ·不平衡数据的介绍 | 第23-24页 |
| ·不平衡数据的处理方式 | 第24-25页 |
| ·随机径向基函数神经网络森林的仿真实验 | 第25-28页 |
| ·小结 | 第28-29页 |
| 3 基于反向标定合成训练数据的改进集成算法 | 第29-40页 |
| ·反向标定合成训练数据技术 | 第29-30页 |
| ·基于反向标定合成训练数据的RBFNN集成算法 | 第30-36页 |
| ·基于反向标定合成训练数据的RBFNN集成模型的构建 | 第30-32页 |
| ·基于反向标定合成训练数据的RBFNN集成模型的分类 | 第32-34页 |
| ·基于反向标定合成训练数据的RBFNN集成模型的参数选择 | 第34-36页 |
| ·仿真实验 | 第36-39页 |
| ·小结 | 第39-40页 |
| 4 轮转径向基函数神经网络集成算法 | 第40-50页 |
| ·轮转森林技术概述 | 第40页 |
| ·轮转径向基函数神经网络算法 | 第40-43页 |
| ·轮转径向基函数神经网络集成模型的构建 | 第40-42页 |
| ·轮转径向基函数神经网络集成模型的分类 | 第42-43页 |
| ·轮转径向基函数神经网络集成模型的仿真分析 | 第43-49页 |
| ·小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 课题资助情况 | 第56-57页 |
| 攻读硕士学位期间参与的项目研究 | 第57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-60页 |
