声明
致谢
摘要
1 引言
1.1 研究背景与意义
1.2 国内外研究现状
1.3 主要研究内容
1.4 论文的组织结构
1.5 本章总结
2 基于AdaBoost回归树的单目标预测算法ART
2.1 弱回归模型选择
2.1.1 弱回归模型评估方法
2.1.2 回归树CART算法介绍
2.2 基于AdaBoost回归树迭代算法原理
2.2.1 AdaBoost算法介绍
2.2.2 AdaBoost算法具体实现过程
2.3 AdaBoost算法分析
2.3.1 AdaBoost算法误差界分析
2.3.2 AdaBoost算法优点分析
2.4 本章总结
3 基于目标堆叠泛化的多目标预测MTS
3.1 多标签分类学习与多目标预测区别
3.1.1 多标签分类学习任务
3.1.2 多目标回归预测任务
3.1.3 从多标签分类到多目标预测
3.2 基于目标堆叠泛化的多目标预测方法MTS
3.2.1 多目标预测模型中的变量声明
3.2.2 多目标预测模型MTS的建立
3.3 MTS的改进方法MTSC
3.3.1 K-折交叉验证的介绍
3.3.2 改进方法MTSC
3.4 本章总结
4 基于集成回归链的多目标预测方法ERC
4.1 用于多标记分类学习的分类器链算法
4.1.1 CC算法介绍
4.1.2 CC算法的改进
4.2 基于集成回归链的多目标预测方法ERC
4.2.1 ERC训练过程
4.2.2 RC预测过程
4.2.3 整合回归链ERC计算过程
4.3 ERC改进方法ERCC
4.3.1 改进方法ERCC
4.3.2 RCC算法训练过程
4.4 本章总结
5 实验结果与分析
5.1 实验参数与设置
5.2 实验评估方法
5.3 实验数据集
5.4 实验结果与分析
5.4.1 实验结果
5.4.2 实验结果对比分析
5.5 本章小结
6.1 论文总结
6.2 工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集
北京交通大学;