基于集成分量的基因微阵列数据分类方法的研究

中科大博士论文，系统的介绍机器学习分类器集成的论文。很经典，可以显著提高机器学习的分类器效率和精度

针对不平衡数据流的分类问题，结合基于权重的集成分类器与抽样技术，本文提出了一种处理不平衡数据流集成分类器模型.理论分析与实验验证表明，该集成分类器具有更低的计算复杂度，更能适应存在概念漂移的不平衡数据

针对概念漂移数据流集成分类算法的基本概念、相关工作、适用范围及优缺点等方面进行具体阐述，重点分析突变型、渐变型、重复型和增量型集成分类算法，以及集成分类中的Bagging、Boosting、基分类器组

为解决现有的HBase数据压缩策略选择方法未考虑数据的冷热性,以及在选择过程中存在片面性和不可靠性的缺陷,提出了基于HBase数据分类的压缩策略选择方法。依据数据文件的访问频度将HBase数据划分为冷

建立病变组织分类模型的关键在于找出一组能准确区分样本类别的特征基因。糙集理论中的属性依赖度分析方法能对目标数据进行有效分析。基于属性间的依赖关系和属性对决策的影响存在这样的关系，即属性依赖度越大，属性

基于基因的集成身份鉴别与访问控制模型，孙飞显，李涛，传统的身份鉴别与访问控制机制大都分开设计与实现，针对其安全性差、效率低等问题，受人类自然信任、生物免疫系统能自动识别��

提出了一种应用于分类问题,以分类回归树为基学习器,并综合了AdaBoost.M1和Bagging算法特点,利用变相似度聚类技术和贪婪算法来进行选择性集成学习的算法——SECAdaBoostBaggi

Hibernate和Spring集成分页算法，很实用的方法。

基于分类的未知病毒检测方法研究，余晓姿，马兆丰，提出了一种以PE文件静态信息作为特征，通过分类来对未知病毒进行检测的方法。采用初始聚类中心优化的K-means聚类算法实现对病毒文件

应用遗传方法产生“弱”分类器，按照Boosting（推进）的思想，改变每一代遗传操作中训练实例的权重，并以整体结合方式确定未在训练集中的实例类型，有效地改进了遗传分类算法。