基于粗糙集与支持向量机的票房预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·选题背景和研究意义 | 第9-10页 |
| ·票房预测研究现状 | 第10-11页 |
| ·研究目的和组织结构 | 第11-13页 |
| 2 改进的粗糙集属性约简算法研究 | 第13-29页 |
| ·数据挖掘概述 | 第13-15页 |
| ·数据挖掘基本概念 | 第13-14页 |
| ·数据挖掘的主要算法 | 第14-15页 |
| ·数据挖掘的处理过程 | 第15页 |
| ·粗糙集理论基本概念 | 第15-23页 |
| ·知识与信息系统 | 第16-17页 |
| ·不可分辨关系与上下近似集 | 第17-19页 |
| ·决策表 | 第19-20页 |
| ·属性约简与核 | 第20-22页 |
| ·属性的依赖性与重要度 | 第22-23页 |
| ·改进的基于属性重要度的粗糙集属性约简算法 | 第23-28页 |
| ·连续属性值的离散化 | 第23-26页 |
| ·基于属性重要度的改进启发式约简算法 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 3 支持向量机 | 第29-36页 |
| ·机器学习 | 第29-31页 |
| ·机器学习问题的一般表述 | 第29-30页 |
| ·经验风险最小化 | 第30-31页 |
| ·统计学习理论的基本概念 | 第31-33页 |
| ·VC维 | 第31页 |
| ·推广性的界 | 第31-32页 |
| ·结构风险最小化 | 第32-33页 |
| ·支持向量机用于分类 | 第33-35页 |
| ·线性可分支持向量机 | 第33-34页 |
| ·线性不可分支持向量机 | 第34页 |
| ·非线性支持向量机 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 基于粗糙集和支持向量机的票房预测模型 | 第36-53页 |
| ·票房预测模型的设计 | 第36-38页 |
| ·模型设计关键步骤的实现 | 第38-50页 |
| ·数据预处理 | 第38-39页 |
| ·变量的选择与规范化处理 | 第39-47页 |
| ·建立决策表 | 第47-48页 |
| ·权值离散化 | 第48页 |
| ·决策表属性约简 | 第48-50页 |
| ·票房预测结果及性能分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-59页 |
