基于最小最大规则的集成策略研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 机器学习简介 | 第7-8页 |
| 1.2 集成学习 | 第8-11页 |
| 1.2.1 研究背景及意义 | 第8-9页 |
| 1.2.2 国内外研究现状 | 第9-11页 |
| 1.3 论文安排 | 第11-12页 |
| 第二章 集成分类和集成特征选择概述 | 第12-22页 |
| 2.1 集成分类的模型及算法 | 第12-16页 |
| 2.1.1 符号说明 | 第12-13页 |
| 2.1.2 三种集成策略及算法流程 | 第13-16页 |
| 2.2 集成特征选择的概念及常用策略 | 第16-21页 |
| 2.2.1 特征选择基本概念 | 第16-19页 |
| 2.2.2 特征选择的集成策略 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 基于最小最大规则集成分类的研究 | 第22-31页 |
| 3.1 基于最小最大规则的分类集成策略 | 第22-24页 |
| 3.1.1 任务分解 | 第22-23页 |
| 3.1.2 分类结果合成 | 第23-24页 |
| 3.2 实验对比 | 第24-30页 |
| 3.2.1 实验准备 | 第25-27页 |
| 3.2.2 实验结果及分析 | 第27-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 基于最小最大规则的特征选择集成策略 | 第31-50页 |
| 4.1 基于最小最大规则的集成策略 | 第31-34页 |
| 4.1.1 数据划分 | 第32-33页 |
| 4.1.2 最小最大集成 | 第33-34页 |
| 4.2 特征冗余性分析 | 第34-39页 |
| 4.2.1 特征冗余性度量 | 第35-36页 |
| 4.2.2 去除冗余特征的算法框架 | 第36-39页 |
| 4.3 实验对比 | 第39-49页 |
| 4.3.1 实验准备 | 第39-41页 |
| 4.3.2 最小最大规则集成策略的实验结果及分析 | 第41-45页 |
| 4.3.3 考虑特征冗余性的实验结果及分析 | 第45-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 本文的主要工作 | 第50页 |
| 5.2 进一步的研究工作 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第56-57页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第57-58页 |
| 致谢 | 第58页 |
