混合型数据的代价敏感学习方法
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状分析 | 第14-16页 |
| 1.2.1 代价敏感学习的研究现状 | 第14-15页 |
| 1.2.2 混合型数据的研究现状 | 第15-16页 |
| 1.3 本文的主要研究内容和结构安排 | 第16-18页 |
| 第2章 背景知识 | 第18-26页 |
| 2.1 经典粗糙集 | 第18-22页 |
| 2.2 邻域粗糙集 | 第22-25页 |
| 2.3 算法评价指标 | 第25-26页 |
| 第3章 符号型数据的测试代价敏感属性约简 | 第26-40页 |
| 3.1 符号型数据的测试代价敏感属性约简 | 第26-28页 |
| 3.2 改进的人工蜂群算法 | 第28-34页 |
| 3.2.1 经典的人工蜂群算法 | 第29-30页 |
| 3.2.2 改进的人工蜂群算法 | 第30-34页 |
| 3.3 实验结果与分析 | 第34-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 混合型数据的测试代价敏感属性约简 | 第40-56页 |
| 4.1 混合型数据的测试代价属性约简 | 第40-42页 |
| 4.2 基于不一致对象的启发式算法 | 第42-48页 |
| 4.2.1 自适应邻域模型 | 第42-44页 |
| 4.2.2 邻域中的不一致对象 | 第44-47页 |
| 4.2.3 基于不一致对象的启发式算法 | 第47-48页 |
| 4.3 实验结果与分析 | 第48-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 混合型数据的代价敏感属性选择 | 第56-68页 |
| 5.1 混合型数据的代价敏感属性选择 | 第56-59页 |
| 5.2 最小代价属性选择算法 | 第59-62页 |
| 5.2.1 自适应代价模型 | 第59-61页 |
| 5.2.2 基于自适应代价的启发式算法 | 第61-62页 |
| 5.3 实验结果与分析 | 第62-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-72页 |
| 6.1 本文总结 | 第68-70页 |
| 6.2 未来工作展望 | 第70-72页 |
| 参考文献 | 第72-80页 |
| 致谢 | 第80-82页 |
| 附录 代价敏感粗糙集软件平台 | 第82-86页 |
| 攻读学位期间取得的科研成果 | 第86页 |
