论文目录 | |
| 摘要 | 第1-7
页 |
| Abstract | 第7-12
页 |
| 第一章 绪论 | 第12-30
页 |
| · 集成学习概述 | 第12-17
页 |
| · 集成学习及其思想渊源 | 第12-13
页 |
| · 集成学习的基础工作和发展历史 | 第13-16
页 |
| · 集成学习的有效原因和条件 | 第16-17
页 |
| · 模式分类器的集成 | 第17-24
页 |
| · 基分类器的产生方式 | 第18-21
页 |
| · 分类器集成的构造方式 | 第21
页 |
| · 分类器分类结果的合成方式 | 第21-24
页 |
| · 集成学习的学习方式 | 第24-25
页 |
| · 集成学习评价 | 第25-26
页 |
| · 分析方法 | 第25
页 |
| · 算法评价 | 第25-26
页 |
| · 论文主要工作和组织结构 | 第26-29
页 |
| · 论文创新点 | 第29-30
页 |
| 第二章 集成误差分析与矢量标签 | 第30-48
页 |
| · 引言 | 第30
页 |
| · 集成学习投票法和平均法分析 | 第30-40
页 |
| · 投票法和平均法的比较 | 第30
页 |
| · 集成误差分析 | 第30-35
页 |
| · 分类器性能对集成的影响 | 第35-40
页 |
| · 矢量标签设计 | 第40-43
页 |
| · 多数投票法与平均法的一致 | 第43-45
页 |
| · 本章小结 | 第45-48
页 |
| 第三章 快速选择性集成 | 第48-58
页 |
| · 引言 | 第48
页 |
| · 基于"删差"和差异度修剪Bagging集成 | 第48-51
页 |
| · 选择性集成的"删差"方法 | 第48-49
页 |
| · 删除最差个体学习器修剪Bagging算法 | 第49-50
页 |
| · 基于"删差"和差异度修剪Bagging集成算法 | 第50-51
页 |
| · 层次修剪加速选择性集成 | 第51-53
页 |
| · 层次修剪加速选择性集成算法 | 第51-52
页 |
| · 算法时间复杂度分析和并行运算分析 | 第52-53
页 |
| · 实验分析 | 第53-56
页 |
| · 学习性能和修剪性能 | 第53-54
页 |
| · 不同规模和不同学习能力基学习器的性能比较 | 第54-55
页 |
| · GASEN、Bagging和层次修剪算法对比试验 | 第55-56
页 |
| · 本章小结 | 第56-58
页 |
| 第四章 分类噪声检测 | 第58-82
页 |
| · 引言 | 第58
页 |
| · 数据集设计 | 第58-59
页 |
| · 基于Cascade使用剪枝Bagging探测噪声 | 第59-65
页 |
| · 基于Boosting和聚类来修剪Bagging集成 | 第59-60
页 |
| · 噪声探测分析 | 第60-63
页 |
| · 试验与分析 | 第63-65
页 |
| · 小结 | 第65
页 |
| · 伪噪声与快速AdaBoost算法 | 第65-76
页 |
| · Boosting检测噪声能力分析 | 第65-68
页 |
| · 基于聚类的AdaBoost快速算法 | 第68-71
页 |
| · 弱Boosting算法 | 第71-73
页 |
| · 基于聚类更新Boosting算法实现快速噪声检测和剔除 | 第73-76
页 |
| · 基于Boosting和K-NN的噪声检测 | 第76-79
页 |
| · 数据集噪声 | 第76-77
页 |
| · 基于Boosting和K-NN的Cascade噪声检测 | 第77-78
页 |
| · 试验与分析 | 第78-79
页 |
| · 本章小结 | 第79-82
页 |
| 第五章 基于聚类分割和ACS采样的集成学习 | 第82-98
页 |
| · 引言 | 第82
页 |
| · 分而治之(Divide and Conquer)与边界拼贴 | 第82-87
页 |
| · Bootstrap sampling与Adapative clustering sampling(ACS) | 第87-90
页 |
| · 置信估计与基于矢量坐标的学习 | 第90-91
页 |
| · 使用聚类分割模型空间 | 第91-93
页 |
| · ACS-Randomization | 第93-96
页 |
| · 定位{x_1}与标签设计 | 第93
页 |
| · 算法设计 | 第93-94
页 |
| · 试验设计 | 第94-96
页 |
| · 本章小结 | 第96-98
页 |
| 第六章 集成增量追踪 | 第98-109
页 |
| · 引言 | 第98-99
页 |
| · 集成增量追踪 | 第99-100
页 |
| · 基于矢量标签和快速选择性集成的增量追踪 | 第100-104
页 |
| · 特征选择与弱分类器 | 第104-105
页 |
| · 算法加速与噪声剔除 | 第105-106
页 |
| · 试验 | 第106-107
页 |
| · 本章小结 | 第107-109
页 |
| 结束语 | 第109-111
页 |
| 致谢 | 第111-112
页 |
| 参考文献 | 第112-120
页 |
| 附录 | 第120
页 |
