粗糙集与支持向量机结合的方法在连续属性离散化中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题研究的背景和意义 | 第11-13页 |
| ·课题研究的背景 | 第11-13页 |
| ·课题研究的意义 | 第13页 |
| ·粗糙集理论和支持向量机的发展及国内外现状 | 第13-18页 |
| ·粗糙集理论发展现状 | 第13-15页 |
| ·支持向量机发展现状 | 第15-17页 |
| ·论文的主要内容 | 第17页 |
| ·论文结构安排 | 第17-18页 |
| 第2章 粗糙集理论基础 | 第18-30页 |
| ·粗糙集理论的基本概念 | 第18-24页 |
| ·知识的分类表达形式 | 第18-19页 |
| ·不可分辨关系 | 第19-20页 |
| ·粗糙集及其下近似、上近似、边界区 | 第20-23页 |
| ·近似精度与粗糙度 | 第23-24页 |
| ·信息系统与属性特征 | 第24-30页 |
| ·信息系统 | 第24-26页 |
| ·约简与知识的依赖性 | 第26-30页 |
| 第3章 统计学习理论相支持向量机 | 第30-45页 |
| ·统计学习理论 | 第30-36页 |
| ·机器学习的表示 | 第30-31页 |
| ·经验风险最小化原则 | 第31-32页 |
| ·VC维理论 | 第32-34页 |
| ·推广性的界 | 第34-35页 |
| ·结构风险最小化原则 | 第35-36页 |
| ·支持向量机 | 第36-45页 |
| ·线性可分问题 | 第36-39页 |
| ·近似线性可分问题 | 第39-40页 |
| ·线性不可分问题 | 第40-41页 |
| ·核函数 | 第41-43页 |
| ·支持向量机的优点 | 第43-45页 |
| 第4章 连续属性离散化 | 第45-51页 |
| ·离散化问题的描述 | 第45页 |
| ·离散化方法的分类原则 | 第45-46页 |
| ·连续属性的无监督离散化方法 | 第46-47页 |
| ·等宽度离散化方法 | 第46页 |
| ·等频率离散化方法 | 第46-47页 |
| ·连续属性的有监督离散化方法 | 第47-49页 |
| ·基于熵的离散化方法 | 第47-48页 |
| ·基于聚类的算法 | 第48-49页 |
| ·贪心算法 | 第49页 |
| ·本章小结 | 第49-51页 |
| 第5章 基于粗糙集理论的SVM分类方法 | 第51-55页 |
| ·NaiveScaler离散化方法及其局限性 | 第51页 |
| ·NaiveScaler离散化方法 | 第51页 |
| ·NaiveScaler离散化方法的局限性 | 第51页 |
| ·基于粗糙集下近似理论的离散化方法 | 第51-52页 |
| ·基于粗糙集理论的SVM分类方法 | 第52-54页 |
| ·支持向量机方法的优点 | 第52-54页 |
| ·基于粗糙集理论的SVM分类方法 | 第54页 |
| ·本章小结 | 第54-55页 |
| 第6章 仿真实验 | 第55-62页 |
| ·实验数据 | 第55页 |
| ·数据预处理 | 第55-59页 |
| ·支持向量机分类 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第7章 总结与展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士期间发表的论文 | 第67页 |
