摘要
第1章绪论
1.1选题背景和意义
1.2国内外研究现状
1.2.1多分类问题研究现状
1.2.2随机权神经网络研究现状
1.3.1主要工作
1.3.2本文的创新点
1.4基本框架
第2章基于BP神经网络的多分类算法
2.1神经网络概述
2.2神经网络中参数选择
2.2.1激活函数的选择
2.2.2隐藏层节点个数的选择
2.2.3权重参数的选择与调整
2.3多分类下的BP神经网络算法
2.4 BP神经网络的不足及解决方法
第3章基于随机配置网络的多分类算法
3.1理论介绍
3.2L2正则化下的SCN算法
3.3 SCN中激活函数的选择
3.4加权SCN多分类算法
3.4.1数据的不平衡性
3.4.2加权SCN多分类算法
3.5 WSCN多分类算法步骤
第4章基于WSCN-RF的多分类集成算法
4.1集成思想
4.1.1 WSCN多分类算法的不足
4.1.2二次分类的方法选择
4.2随机森林分类算法介绍
4.2.1 CART决策树
4.2.2 Bagging方法和随机森林
4.3 WSCN-RF多分类集成算法步骤
第5章实验验证
5.1数据准备
5.2实验参数配置
5.2.1 SCN多分类算法参数设置
5.2.2 BP神经网络多分类算法参数设置
5.2.3 RF算法参数设置
5.3实验结果与分析
5.3.1 WSCN多分类算法的有效性
5.3.2 WSCN-RF算法集成的必要性
5.3.3实验总结
第6章总结与展望
6.1全文总结
6.2展望
参考文献
致谢
声明
浙江工商大学;