| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-34页 |
| ·研究背景及意义 | 第11-15页 |
| ·模式识别简介 | 第11-12页 |
| ·模式识别主要方法 | 第12-14页 |
| ·模式识别研究工具 | 第14-15页 |
| ·决策树算法简介及其研究现状 | 第15-25页 |
| ·决策树算法简介 | 第15-18页 |
| ·决策树算法的主要技术步骤 | 第18-21页 |
| ·决策树研究现状 | 第21-25页 |
| ·预备知识 | 第25-32页 |
| ·公理模糊集简介 | 第25-30页 |
| ·仿射传播聚类简介 | 第30-32页 |
| ·本文主要研究思路与内容 | 第32-34页 |
| 2 基于公理模糊集的决策树 | 第34-58页 |
| ·引言 | 第34页 |
| ·概念和符号 | 第34-36页 |
| ·模糊信息熵及信息增益 | 第36-37页 |
| ·AFS决策树构建算法 | 第37-39页 |
| ·属性模糊化 | 第37-38页 |
| ·选择分裂属性标准 | 第38-39页 |
| ·停止条件 | 第39页 |
| ·规则提取及剪枝 | 第39-42页 |
| ·规则提取 | 第39-40页 |
| ·剪枝过程 | 第40-42页 |
| ·阈值δ的确定 | 第42-46页 |
| ·指派方法及置信度 | 第46-47页 |
| ·实验和对比分析 | 第47-57页 |
| ·分类准确率的比较 | 第47-54页 |
| ·树的规模比较 | 第54-56页 |
| ·与传统模糊逻辑的比较 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 3 基于闵可夫斯基模糊度的模糊决策树 | 第58-71页 |
| ·引言 | 第58页 |
| ·模糊决策树的分裂属性选择标准 | 第58-59页 |
| ·基于闵可夫斯基模糊度的分裂属性选择标准和模糊决策树算法 | 第59-65页 |
| ·闵可夫斯基模糊度 | 第60-61页 |
| ·基于闵可夫斯基模糊度的分裂属性选择标准 | 第61-62页 |
| ·基于闵可夫斯基模糊度的模糊决策树构建 | 第62-63页 |
| ·决策树优化 | 第63-65页 |
| ·实验结果及分析 | 第65-70页 |
| ·准确率比较分析 | 第66-69页 |
| ·树规模比较分析 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 4 基于公理模糊集与模型树算法的模糊分类规则提取 | 第71-86页 |
| ·引言 | 第71-72页 |
| ·基于模糊规则的分类算法 | 第72-76页 |
| ·聚合目标函数 | 第72-74页 |
| ·分类规则聚合算法 | 第74-75页 |
| ·指派方法 | 第75-76页 |
| ·实验结果及分析 | 第76-84页 |
| ·稳定性分析 | 第77-79页 |
| ·决策边界分析 | 第79-82页 |
| ·与基于分类规则的分类器的比较 | 第82-84页 |
| ·本章小结 | 第84-86页 |
| 5 基于仿射聚类的样本选择及规则一致性评价方法 | 第86-114页 |
| ·引言 | 第86页 |
| ·基于仿射传播聚类的样本选择 | 第86-95页 |
| ·基于仿射传播聚类的样本选择 | 第87-91页 |
| ·实验结果及对比分析 | 第91-95页 |
| ·分类规则集的一致性 | 第95-105页 |
| ·几种不同的一致性定义 | 第95-96页 |
| ·一致性定义的比较分析 | 第96-98页 |
| ·分类规则的核区域 | 第98-102页 |
| ·新的一致性度量 | 第102-105页 |
| ·实验及分析 | 第105-113页 |
| ·规则集之间的一致性 | 第105-106页 |
| ·C4.5和其他4种决策树之间的一致性 | 第106-108页 |
| ·一致性与准确率 | 第108-110页 |
| ·C4.5决策树的一致性分析 | 第110-113页 |
| ·本章小结 | 第113-114页 |
| 6 结论与展望 | 第114-116页 |
| ·结论 | 第114-115页 |
| ·展望 | 第115-116页 |
| 创新点摘要 | 第116-117页 |
| 参考文献 | 第117-127页 |
| 攻读博士学位期间科研项目及科研成果 | 第127-128页 |
| 致谢 | 第128-129页 |
| 作者简介 | 第129-130页 |