多目标子群发现算法及其应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·课题研究的背景与意义 | 第7页 |
| ·国内外研究现状 | 第7-9页 |
| ·用于子群发现的分类算法 | 第8页 |
| ·用于子群发现的关联算法 | 第8-9页 |
| ·用于子群发现的进化算法 | 第9页 |
| ·课题研究的主要内容 | 第9-11页 |
| 2 子群发现概述 | 第11-17页 |
| ·子群发现介绍 | 第11-13页 |
| ·规则的质量评估 | 第13-16页 |
| ·复杂性评估 | 第13页 |
| ·普遍性评估 | 第13-14页 |
| ·精确性评估 | 第14页 |
| ·有趣性评估 | 第14-15页 |
| ·多性能混合评估 | 第15-16页 |
| ·子群发现相关处理步骤 | 第16页 |
| ·本章小结 | 第16-17页 |
| 3 基于分类算法的子群发现算法 | 第17-29页 |
| ·CN2分类算法 | 第17-19页 |
| ·CN2分类算法概述 | 第17页 |
| ·启发函数 | 第17页 |
| ·规则归纳 | 第17-18页 |
| ·样本分类 | 第18-19页 |
| ·CN2-SD子群发现算法 | 第19-26页 |
| ·CN2-SD子群发现算法概述 | 第19页 |
| ·CN2-SD改进方法 | 第19-21页 |
| ·质量评估方法 | 第21-22页 |
| ·子群发现ROC分析 | 第22-26页 |
| ·实验处理及结果分析 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 4 基于单目标进化的子群发现算法 | 第29-49页 |
| ·模糊系统 | 第29-31页 |
| ·遗传算法 | 第31-33页 |
| ·遗传模糊系统 | 第33-34页 |
| ·SDIGA子群发现算法 | 第34-42页 |
| ·SDIGA子群发现算法概述 | 第34页 |
| ·模糊规则形式 | 第34-37页 |
| ·进化过程的目标函数 | 第37页 |
| ·提取规则的混合遗传算法 | 第37-41页 |
| ·SDIGA算法提取规则流程 | 第41-42页 |
| ·实例仿真分析 | 第42-48页 |
| ·本章小结 | 第48-49页 |
| 5 基于多目标进化的子群发现算法 | 第49-69页 |
| ·快速多目标遗传算法：NSGA-II | 第49-53页 |
| ·NSGA-Ⅱ算法简介 | 第49页 |
| ·NSGA-Ⅱ算法分析 | 第49-53页 |
| ·NMEEF-SD子群发现算法 | 第53-56页 |
| ·NMEEF-SD子群发现算法概述 | 第53页 |
| ·进化过程的目标函数 | 第53-54页 |
| ·NMEEF-SD算法提取规则流程 | 第54-56页 |
| ·实例仿真分析 | 第56-61页 |
| ·NMEEF-SD改进算法 | 第61-68页 |
| ·加权覆盖度 | 第61-62页 |
| ·多目标非支配排序中引入加权覆盖度 | 第62页 |
| ·基于加权覆盖度的混合选择机制 | 第62-63页 |
| ·NMEEF-SD算法后续处理过各种过程 | 第63页 |
| ·改进算法与原算法实验结果比较 | 第63-68页 |
| ·本章小结 | 第68-69页 |
| 6 总结与展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
