学位专题

封面
声明
中文摘要
英文摘要
目录
专用术语注释表
第一章绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.3 研究所面临的挑战和难点
1.4 研究内容和章节安排
第二章研究基础与相关研究综述
2.1 分支限界法
2.1.1 传统分支限界法
2.1.2 基于机器学习的分支限界法
2.2 变量选择策略
2.2.1 伪成本策略
2.2.2 强分支策略
2.3 图卷积神经网络
2.4 本章小结
第三章变量选择学习的重头采样策略及其多背包问题求解
3.1 问题建模与学习目标
3.1.1 多背包问题建模
3.1.2 模型学习目标
3.2 方法描述与分析
3.2.1 样本分布优化
3.2.2 求解深度与访问结点特征
3.2.3 重头采样策略
3.3 实验设计与结果分析
3.3.1 实验框架
3.3.2 参数设置
3.3.3 分支样本分布
3.3.4 分支精确度对比
3.3.5 求解效率对比
3.4 本章小结
第四章变量选择学习的分批次排列特征重要性评估方法研究
4.1 问题建模与训练方案
4.1.1 MILP问题建模
4.1.2 模型训练方案
4.2 方法描述与分析
4.2.1 分批次排列特征重要性评估方法
4.2.2 基于MILP问题的二分图表示
4.3 实验设计与结果分析
4.3.1 实验框架
4.3.2 参数设置
4.3.3 分批次排列特征重要性评估结果
4.3.4 分支精确度对比
4.3.5 求解效率对比
4.4 本章小结
第五章基于机器学习的分支限界法在信贷数据解释中的应用
5.1 数据集介绍
5.2 问题建模
5.2.1 全局一致概述解释
5.2.2 最大支持问题建模
5.3 实验设计与结果分析
5.3.1 参数设置
5.3.2 实验结果
5.4 本章小结
第六章总结与展望
6.1 全文总结
6.2 后续工作展望
参考文献
作者在学期间取得的学术成果
致谢