| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-16页 |
| 1.1 本文的研究背景与研究意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 决策粗糙集模型的发展与研究现状 | 第10-13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 2 决策粗糙集模型及相关的理论 | 第16-28页 |
| 2.1 Pawlak经典粗糙集模型 | 第16-18页 |
| 2.2 概率粗糙集模型 | 第18页 |
| 2.3 决策粗糙集模型 | 第18-24页 |
| 2.3.1 贝叶斯决策过程 | 第19-20页 |
| 2.3.2 决策粗糙集模型 | 第20-22页 |
| 2.3.3 三支决策理论 | 第22-24页 |
| 2.4 代价敏感学习 | 第24-27页 |
| 2.4.1 误分类代价的类型 | 第24-25页 |
| 2.4.2 代价敏感学习的常用方法 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 基于代价矩阵的多类决策粗糙集模型 | 第28-43页 |
| 3.1 引言 | 第28页 |
| 3.2 多类决策粗糙集模型 | 第28-34页 |
| 3.2.1 多类决策粗糙集模型描述 | 第29-32页 |
| 3.2.2 多类决策粗糙集模型性质 | 第32-34页 |
| 3.3 多类决策粗糙集代价敏感三支决策分类算法 | 第34-36页 |
| 3.3.1 算法描述 | 第34-36页 |
| 3.3.2 算法解释 | 第36页 |
| 3.4 实验与分析 | 第36-42页 |
| 3.4.1 实验数据 | 第36-37页 |
| 3.4.2 实验设计 | 第37-38页 |
| 3.4.3 实验结果与分析 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 基于多类决策粗糙集模型的多阶段代价敏感学习方法 | 第43-56页 |
| 4.1 引言 | 第43-44页 |
| 4.2 基于多类决策粗糙集模型的三支决策 | 第44-45页 |
| 4.3 多类决策粗糙集的多阶段分类机制 | 第45-49页 |
| 4.3.1 多阶段分类机制 | 第45-48页 |
| 4.3.2 多阶段代价敏感学习算法描述 | 第48-49页 |
| 4.4 实验与分析 | 第49-55页 |
| 4.4.1 实验数据 | 第49页 |
| 4.4.2 实验设计 | 第49-50页 |
| 4.4.3 评价指标 | 第50页 |
| 4.4.4 实验结果与分析 | 第50-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 基于多类决策粗糙集模型的文本分类应用与系统实现 | 第56-69页 |
| 5.1 引言 | 第56-57页 |
| 5.2 文本分类相关理论 | 第57-61页 |
| 5.2.1 文本分类的基本流程 | 第57页 |
| 5.2.2 文本预处理 | 第57页 |
| 5.2.3 特征选择 | 第57-59页 |
| 5.2.4 特征加权 | 第59-60页 |
| 5.2.5 文本表示模型 | 第60-61页 |
| 5.3 实验与分析 | 第61-66页 |
| 5.3.1 实验文本数据 | 第61页 |
| 5.3.2 实验准备与设计 | 第61-62页 |
| 5.3.3 评价指标 | 第62-63页 |
| 5.3.4 实验结果与分析 | 第63-66页 |
| 5.4 基于多类决策粗糙集模型的文本分类系统实现 | 第66-68页 |
| 5.4.1 系统实现流程图 | 第66-67页 |
| 5.4.2 系统效果 | 第67-68页 |
| 5.5 本章小结 | 第68-69页 |
| 6 总结与展望 | 第69-71页 |
| 6.1 本文的工作总结 | 第69页 |
| 6.2 未来的工作展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 附录 | 第78页 |