| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 引言 | 第11-14页 |
| ·课题背景 | 第11-12页 |
| ·本文所完成的工作 | 第12-13页 |
| ·论文的组织安排 | 第13-14页 |
| 第2章 分类器理论和数据质量理论概述 | 第14-30页 |
| ·分类理论 | 第14-18页 |
| ·分类技术概述 | 第14-16页 |
| ·贝叶斯分类理论 | 第16页 |
| ·决策树理论 | 第16-17页 |
| ·k-最近邻分类器理论 | 第17页 |
| ·支持向量机(SVM) | 第17-18页 |
| ·限制性贝叶斯分类器 | 第18-24页 |
| ·Na(?)veBayes分类器 | 第19-21页 |
| ·TAN分类器 | 第21-22页 |
| ·SP分类器 | 第22-23页 |
| ·其他贝叶斯分类器 | 第23-24页 |
| ·数据质量问题概述 | 第24-30页 |
| ·一般意义上的数据质量 | 第24-25页 |
| ·数据的相关程度 | 第25-26页 |
| ·选择相关的属性 | 第26-28页 |
| ·选择相关的实例 | 第28-30页 |
| 第3章 应用于实例选择的遗传算法深入分析及研究 | 第30-39页 |
| ·遗传算法的背景及其发展 | 第30-31页 |
| ·遗传算法的主要内容 | 第31-36页 |
| ·个体 | 第31-32页 |
| ·适应度函数 | 第32-33页 |
| ·种群 | 第33-34页 |
| ·选择 | 第34-35页 |
| ·变异 | 第35页 |
| ·交叉联合 | 第35-36页 |
| ·遗传算法的数学分析 | 第36-39页 |
| 第4章 Weka系统中的实例选择过滤器分析与研究 | 第39-50页 |
| ·Weka系统概述 | 第39-41页 |
| ·过滤器技术概述 | 第41-42页 |
| ·Weka中的过滤器 | 第42-46页 |
| ·Filter类的结构 | 第42-44页 |
| ·SupervisedFilter接口和UnsupervisedFilter接口 | 第44页 |
| ·Weka系统中Filter类的使用 | 第44-46页 |
| ·有监督(supervised)的过滤器类 | 第46-47页 |
| ·Resample类 | 第46-47页 |
| ·SpreadSubsample类 | 第47页 |
| ·StratfiedRemoveFolds类 | 第47页 |
| ·无监督(unsupervised)的过滤器类 | 第47-50页 |
| ·格式转换任务 | 第47-48页 |
| ·实例删除任务 | 第48-49页 |
| ·其他任务 | 第49-50页 |
| 第5章 应用随机抽样分类测试的遗传实例选择过滤器 | 第50-63页 |
| ·实例选择算法 | 第50-52页 |
| ·统计量估计上的重采样 | 第50-51页 |
| ·分类技术中的重采样 | 第51-52页 |
| ·抽样分类测试作为子集质量评价标准 | 第52-54页 |
| ·随机抽样分类测试 | 第52-54页 |
| ·随机抽样分类测试中的参数 | 第54页 |
| ·遗传算法作为优化算法 | 第54-56页 |
| ·基因的表示，及相关运算 | 第54-55页 |
| ·评估函数的调整 | 第55-56页 |
| ·在Weka系统中建立GAResample | 第56-58页 |
| ·实验数据及结果分析 | 第58-63页 |
| 第6章 结论 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 学位论文数据集 | 第68页 |