第一个书签之前
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.1.1 课题研究的背景
1.1.2 课题研究的意义
1.2 国内外研究现状及成果
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 本文研究的主要内容
1.4 本文的结构安排
第二章 回归学习相关理论研究
2.1概述
2.2 单回归模型
2.2.1 再生核希尔伯特空间
2.2.2 Ridge Regression模型
2.2.3 Lasso Regression模型
2.2.4 Kernel Ridge Regression模型
2.2.5 Supprot Vector Regression模型
2.3 集成回归模型
2.3.1 集成学习
2.3.2 Adaboost回归模型
2.3.3 Random Forest回归模型
2.3.4 Gradient Boosting回归模型
2.4本章小结
第三章 最小二乘框架下的多样性选择集成分类策略
3.1概述
3.2已有的分类器方法及特点
3.3最小二乘框架下的多样性选择集成分类
3.3.1最小二乘框架下的多样性选择集成分类方法框架
3.3.2最小二乘框架下的多样性选择集成分类算法描述
3.4 实验分析
3.4.1数据集介绍
3.4.2参数的选择
3.4.3实验结果分析
3.5 本章小结
第四章 最小二乘框架下的多核选择集成回归策略
4.1概述
4.2已有的回归器方法及特点
4.3最小二乘框架下的多核选择集成回归
4.3.1最小二乘框架下的多核选择集成回归方法框架
4.3.2最小二乘框架下的多核选择集成回归算法描述
4.4 实验分析
4.4.1参数设置
4.4.2人工数据集
4.4.3 UCI数据集
4.4.4手写体数据集
4.5 本章小结
第五章 总结与展望
5.1总结
5.2展望
致谢
参考文献
攻读硕士学位期间取得的研究成果