演化機器學(xué)習(xí)

上篇 演化機器學(xué)習(xí)——內(nèi)嵌特征選擇的學(xué)習(xí)分類器
第1章 上篇引言
1.1 研究背景
1.2 上篇主要內(nèi)容
1.3 上篇的結(jié)構(gòu)安排
第2章 相關(guān)工作綜述
2.1 概述
2.2 學(xué)習(xí)分類器研究
2.2.1 進化計算
2.2.2 基于遺傳的機器學(xué)習(xí)思想
2.2.3 Michigan式學(xué)習(xí)分類器研究進展
2.2.4 Pittsburgh式學(xué)習(xí)分類器研究進展
2.3 特征選擇方法綜述
2.3.1 機器學(xué)習(xí)中的特征選擇問題描述
2.3.2 特征選擇的搜索模型
2.3.3 Filter方法
2.3.4 Wrapper方法
2.3.5 Embedded方法
2.4 本章小結(jié)
第3章 基于Memetic算法的Wrapper-Filter特征選擇方法
3.1 概述
3.2 Memetic算法
3.2.1 Memetic算法思想起源
3.2.2 Memetic算法框架
3.3 基于MA的混合式Wrapper-Filter特征選擇方法
3.3.1 算法設(shè)計思想
3.3.2 算法整體框架
3.3.3 全局搜索的GA-Wrapper
3.3.4 局部搜索的Relief-Filter
3.3.5 計算復(fù)雜度分析
3.4 本章小結(jié)
第4章 基于合作式協(xié)同進化內(nèi)嵌特征選擇的學(xué)習(xí)分類器
4.1 概述
4.2 協(xié)同進化算法
4.2.1 協(xié)同進化思想起源
4.2.2 競爭式協(xié)同進化算法模型
4.2.3 合作式協(xié)同進化算法模型
4.3 基于合作式協(xié)同進化的學(xué)習(xí)分類器
4.3.1 算法設(shè)計思想
4.3.2 算法框架
4.3.3 分類器演化的Pittsburgh式學(xué)習(xí)分類器算法
4.3.4 計算復(fù)雜度分析
4.4 本章小結(jié)
第5章 算法評估結(jié)果與分析
5.1 概述
5.2 算法比較實驗框架
5.2.1 Benchmark數(shù)據(jù)集
5.2.2 性能評估指標(biāo)
……
下篇 演化機器學(xué)習(xí)——分布估計的學(xué)習(xí)分類器
參考文獻(xiàn)