| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-10页 |
| 第二章 基础知识介绍 | 第10-24页 |
| 2.1 渐进式学习 | 第10-11页 |
| 2.2 集成学习 | 第11-17页 |
| 2.3 数据降维 | 第17-21页 |
| 2.4 相似度度量 | 第21-22页 |
| 2.5 本章小结 | 第22-24页 |
| 第三章 带权重的集成学习算法 | 第24-33页 |
| 3.1 算法说明 | 第25-32页 |
| 3.2 本章小结 | 第32-33页 |
| 第四章 渐进式集成学习算法 | 第33-44页 |
| 4.1 算法说明 | 第33-41页 |
| 4.2 时间复杂度分析 | 第41-42页 |
| 4.3 本章小结 | 第42-44页 |
| 第五章 算法实验 | 第44-61页 |
| 5.1 数据库说明 | 第44-46页 |
| 5.2 每个bootstrap分支的样本采样率的影响 | 第46-47页 |
| 5.3 不同bootstrap之间的相似性计算的算法 | 第47-50页 |
| 5.4 线性判别分析算法的影响 | 第50-52页 |
| 5.5 与单一分类器分类效果的比较 | 第52-53页 |
| 5.6 渐进式分类器选择步骤的影响 | 第53-55页 |
| 5.7 与集成分类器分类效果的比较 | 第55-57页 |
| 5.8 非参数测试结果 | 第57-59页 |
| 5.9 本章小结 | 第59-61页 |
| 第六章 渐进式集成学习算法的应用 | 第61-71页 |
| 6.1 带噪音标签数据的分类 | 第61-63页 |
| 6.2 数据流的分类 | 第63-65页 |
| 6.3 文档图像的分类 | 第65-69页 |
| 6.4 本章小结 | 第69-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-83页 |
| 攻读硕士学位期间取得的研究成果 | 第83-84页 |
| 致谢 | 第84-85页 |
| 答辩委员会对论文的评定意见 | 第85页 |