基于多分类器融合的数据挖掘分类算法研究与应用

文摘

英文文摘

声明

1绪论

1.1研究背景及意义

1.1.1研究背景

1.1.2课题来源及研究对象

1.1.3研究意义和目标

1.2研究现状

1.2.1数据挖掘分类算法的研究现状

1.2.2多分类器融合的研究现状

1.3研究内容和组织结构

2分类挖掘与多分类器融合

2.1数据挖掘

2.1.1数据挖掘的定义

2.1.2数据挖掘的过程

2.1.3数据挖掘的任务

2.2数据挖掘的分类器

2.2.1分类的概念

2.2.2分类器的构造方法

2.2.3分类器的评价和比较

2.3多分类器融合

2.3.1多分类器融合概述

2.3.2融合的有效性问题

2.3.3多分类器融合的方法

2.4本章小节

3基于多分类器融合的分类算法研究

3.1 AdaBoost算法

3.1.1 AdaBoost算法概述

3.1.2 AdaBoost算法原理

3.1.3 AdaBoost算法分析

3.2神经网络分类器

3.2.1神经网络分类器概述

3.2.2 BP神经网络及其学习算法

3.3基于AdaBoost的神经网络融合

3.3.1设计思想

3.3.3算法描述

3.4本章小节

4多分类器融合在学生信用分类的应用

4.1基于多分类器融合的学生信用分类模型

4.1.1学生信用分类及数据选取

4.1.2分类挖掘的数据预处理

4.1.3学生信用分类模型的建立

4.1.4仿真实验及结果分析

4.2学生信用分类模块的设计与实现

4.2.1学生信用系统概述

4.2.2学生信用分类模块的设计

4.2.3学生信用分类模块的软件实现

4.3本章小节

5总结

5.1工作总结

5.2研究展望

致 谢

参考文献

附 录