基于粗糙集理论属性约简的分类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·研究背景 | 第8页 |
| ·研究进展 | 第8-9页 |
| ·本文的主要工作 | 第9-10页 |
| ·论文的组织结构 | 第10-11页 |
| 2 分类分析方法概述 | 第11-19页 |
| ·数据分类过程 | 第11-12页 |
| ·经典数据分类技术 | 第12-14页 |
| ·判定树归纳分类 | 第12-13页 |
| ·贝叶斯分类 | 第13页 |
| ·神经网络分类 | 第13-14页 |
| ·K-最近邻法 | 第14页 |
| ·粗糙集理论 | 第14-17页 |
| ·粗糙集的基本概念 | 第14-16页 |
| ·粗糙集研究的基本问题 | 第16-17页 |
| ·评估分类法的准确性 | 第17-19页 |
| 3 基于差别矩阵的属性约简算法 | 第19-35页 |
| ·属性约简的基本概念 | 第19-22页 |
| ·基于差别矩阵的属性约简基础算法 | 第22-23页 |
| ·启发式属性约简算法 | 第23-26页 |
| ·基于差别矩阵 | 第24-25页 |
| ·基于属性重要性 | 第25-26页 |
| ·改进的属性约简算法 | 第26-31页 |
| ·数据结构 | 第26-28页 |
| ·必要的变量 | 第28-29页 |
| ·不完备的HeuriRed算法 | 第29-30页 |
| ·完备的HeuriComRed算法 | 第30-31页 |
| ·实验结果及分析 | 第31-35页 |
| 4 改进的差别矩阵约简算法 | 第35-42页 |
| ·构建改进的差别矩阵(IDM) | 第35-38页 |
| ·改进的基于IDM矩阵的约简算法 | 第38-40页 |
| ·实验结果及分析 | 第40-42页 |
| 5 粗糙集方法在文本分类中的应用 | 第42-52页 |
| ·文本分类过程 | 第42-43页 |
| ·粗糙集与神经网络结合的分类算法 | 第43-48页 |
| ·粗糙-神经网络的文本分类过程 | 第43-44页 |
| ·文本预处理 | 第44页 |
| ·特征选择与表示 | 第44-45页 |
| ·决策表的离散化 | 第45-46页 |
| ·约简决策表 | 第46页 |
| ·BP神经网络分类 | 第46-48页 |
| ·测试阶段 | 第48页 |
| ·实验结果与分析 | 第48-52页 |
| ·数据集设置与实验环境 | 第48页 |
| ·实验过程与分析 | 第48-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录A HeuriSelAttri()函数 | 第56-57页 |
| 附录B HeuriSelAttri()函数 | 第57-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60-61页 |
