| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 本课题的研究背景与意义 | 第11-12页 |
| 1.2 国内外的研究现状 | 第12-15页 |
| 1.2.1 粗糙集研究现状 | 第12-13页 |
| 1.2.2 基于粗糙集不确定性度量方法的研究现状 | 第13页 |
| 1.2.3 决策粗糙集研究现状 | 第13-14页 |
| 1.2.4 代价敏感研究现状 | 第14-15页 |
| 1.3 论文的主要工作 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第2章 理论基础与关键技术 | 第17-30页 |
| 2.1 数据预处理 | 第17页 |
| 2.2 粗糙集模型 | 第17-21页 |
| 2.2.1 经典粗糙集模型 | 第17-19页 |
| 2.2.2 变精度粗糙集模型 | 第19页 |
| 2.2.3 决策粗糙集模型 | 第19-21页 |
| 2.3 粗糙集的不确定性度量 | 第21-22页 |
| 2.3.1 近似分类质量和近似分类精度 | 第21-22页 |
| 2.4 属性约简理论 | 第22-28页 |
| 2.4.1 粗糙集模型属性约简理论 | 第22页 |
| 2.4.2 Pawlak粗糙集属性约简 | 第22-23页 |
| 2.4.3 基于近似分类质量的决策表属性约简算法 | 第23-24页 |
| 2.4.4 决策粗糙集正域非单调性 | 第24页 |
| 2.4.5 决策粗糙集的正域约简 | 第24-25页 |
| 2.4.6 基于风险决策的决策粗糙集属性约简 | 第25-26页 |
| 2.4.7 基于联合属性重要度的决策风险最小化属性约简 | 第26-28页 |
| 2.5 朴素贝叶斯算法 | 第28-29页 |
| 2.5.1 贝叶斯公式 | 第28页 |
| 2.5.2 贝叶斯决策过程 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 基于属性重要度的风险决策粗糙集属性约简 | 第30-42页 |
| 3.1 代价敏感 | 第30-32页 |
| 3.1.1 代价及其分类 | 第30页 |
| 3.1.2 代价敏感粗糙集基本概念 | 第30-32页 |
| 3.2 决策粗糙集模型代价计算 | 第32-33页 |
| 3.2.1 测试代价 | 第32页 |
| 3.2.2 误分类代价 | 第32页 |
| 3.2.3 代价敏感 | 第32-33页 |
| 3.3 局部最优测试属性集的启发式搜索算法 | 第33页 |
| 3.4 ARAIM算法 | 第33-35页 |
| 3.4.1 近似分类质量 | 第34页 |
| 3.4.2 属性重要度 | 第34页 |
| 3.4.3 ARAIM算法具体实现 | 第34-35页 |
| 3.5 仿真实验 | 第35-41页 |
| 3.5.1 实验设备 | 第35-36页 |
| 3.5.2 实验数据 | 第36页 |
| 3.5.3 评价标准 | 第36-37页 |
| 3.5.4 实验结果与分析 | 第37-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 基于代价敏感和近似分类质量的决策粗糙集属性约简 | 第42-52页 |
| 4.1 模拟退火算法 | 第42-43页 |
| 4.2 ARACOQ算法 | 第43-45页 |
| 4.3 仿真实验 | 第45-50页 |
| 4.3.1 实验数据 | 第45-46页 |
| 4.3.2 评价标准 | 第46页 |
| 4.3.3 实验结果与分析 | 第46-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间发表的论文 | 第58页 |