基于粗糙集属性约简的分类算法研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-12页 |
| ·研究背景介绍 | 第9-10页 |
| ·研究现状 | 第10页 |
| ·本文的主要工作 | 第10-11页 |
| ·论文的组织结构 | 第11-12页 |
| 2 分类方法概述 | 第12-19页 |
| ·分类方法的过程 | 第12页 |
| ·主要的分类方法 | 第12-16页 |
| ·决策树分类法 | 第13页 |
| ·贝叶斯分类 | 第13-14页 |
| ·神经网络 | 第14-15页 |
| ·K最近邻分类 | 第15页 |
| ·支持向量机 | 第15-16页 |
| ·粗糙集的基本理论 | 第16-19页 |
| ·粗糙集的基本定义 | 第16-17页 |
| ·粗糙集研究的主要问题 | 第17-19页 |
| 3 属性约简算法研究 | 第19-34页 |
| ·属性约简的基本概念及经典算法 | 第19-24页 |
| ·属性约简的基本概念 | 第19-22页 |
| ·属性约简的经典算法 | 第22-24页 |
| ·改进的属性约简算法 | 第24-32页 |
| ·属性约简和集合覆盖问题 | 第25-26页 |
| ·决策表预处理 | 第26-28页 |
| ·基于改进的相关矩阵的约简算法 | 第28-31页 |
| ·改进的最小属性约简算法 | 第31-32页 |
| ·实验结果分析 | 第32-34页 |
| 4 基于粗糙集的文本分类器RS-BPNN | 第34-47页 |
| ·文本分类流程 | 第34-35页 |
| ·基于粗糙集的神经网络分类算法 | 第35-43页 |
| ·文本预处理 | 第35-37页 |
| ·特征选择与表示 | 第37-38页 |
| ·决策表转化并离散化 | 第38-40页 |
| ·属性约简 | 第40页 |
| ·神经网络分类 | 第40-43页 |
| ·性能评估测试 | 第43-44页 |
| ·实验及结果分析 | 第44-47页 |
| 5 RS-BPNN在体重预测中的应用 | 第47-51页 |
| ·应用背景 | 第47页 |
| ·数据预处理 | 第47-49页 |
| ·进行属性约简 | 第49-50页 |
| ·分类结果及分析 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-57页 |
