| 摘要 | 第1-6页 |
| Abstract | 第6-17页 |
| 第1章 绪论 | 第17-49页 |
| ·混合数据知识发现的研究意义 | 第17-18页 |
| ·混合数据分类知识发现的不确定性分析 | 第18-23页 |
| ·数据类型及其信息结构分析 | 第18-22页 |
| ·混合数据分类的不确定性分析 | 第22-23页 |
| ·混合数据分类知识发现的研究现状 | 第23-32页 |
| ·特征选择和属性约简的研究现状 | 第24-27页 |
| ·分类建模的研究现状 | 第27-29页 |
| ·混合数据分析的现有方法及存在的问题 | 第29-32页 |
| ·基于粗糙集的分类不确定性刻画 | 第32-41页 |
| ·粗糙计算模型的研究现状 | 第33-36页 |
| ·粗糙计算算法设计现状 | 第36-38页 |
| ·粗糙集应用研究现状 | 第38-39页 |
| ·现有粗糙集模型处理混合数据存在的问题 | 第39-41页 |
| ·对若干粗糙计算观点的评述 | 第41-45页 |
| ·粗糙计算中分类能力定义的评述 | 第41-43页 |
| ·粒计算、词计算与粗糙计算的多样性 | 第43-45页 |
| ·本文的研究内容和组织结构 | 第45-49页 |
| 第2章 混合数据多粒度粗糙计算的邻域模型 | 第49-82页 |
| ·引言 | 第49-50页 |
| ·基于邻域粒化的混合数据分析模型 | 第50-61页 |
| ·邻域粗糙集 | 第50-52页 |
| ·邻域决策系统 | 第52-56页 |
| ·关于邻域粗糙集的理解 | 第56-58页 |
| ·基于邻域模型的多粒度可分性分析 | 第58-61页 |
| ·基于邻域粗糙集的边界样本选择 | 第61-65页 |
| ·基于邻域粗糙集的混合数据属性约简 | 第65-72页 |
| ·算法设计 | 第65-69页 |
| ·测试分析 | 第69-72页 |
| ·基于邻域一致性分析的混合数据属性约简 | 第72-80页 |
| ·邻域依赖度指标存在的问题 | 第72-75页 |
| ·邻域一致性指标及特性分析 | 第75-76页 |
| ·算法设计 | 第76-77页 |
| ·测试分析 | 第77-80页 |
| ·本章小结 | 第80-82页 |
| 第3章 混合数据模糊粗糙计算的核粒化模型 | 第82-124页 |
| ·引言 | 第82-83页 |
| ·模糊集和模糊粗糙集的基本概念 | 第83-87页 |
| ·模糊集和模糊算子 | 第83-85页 |
| ·模糊粗糙集 | 第85-87页 |
| ·基于核函数的模糊粗糙逼近 | 第87-97页 |
| ·模糊粗糙集与核学习机器的潜在联系 | 第87-89页 |
| ·核模糊粗糙集模型 | 第89-91页 |
| ·基于核的分类逼近 | 第91-97页 |
| ·基于核模糊逼近的属性依赖性分析 | 第97-101页 |
| ·核模糊粗糙集与ReliefF 算法的关系 | 第101-105页 |
| ·基于核模糊逼近的混合数据属性约简 | 第105-111页 |
| ·算法设计 | 第106-109页 |
| ·测试分析 | 第109-111页 |
| ·基于核模糊逼近的海量样本加权采样 | 第111-122页 |
| ·KNN 中样本选择研究现状 | 第111-113页 |
| ·FAIR-KNN 算法设计 | 第113-116页 |
| ·实验分析 | 第116-122页 |
| ·本章小结 | 第122-124页 |
| 第4章 有序决策模糊粗糙计算的模糊偏好模型 | 第124-152页 |
| ·引言 | 第124-125页 |
| ·经典优势关系粗糙集 | 第125-128页 |
| ·模糊偏好关系粗糙集 | 第128-138页 |
| ·模糊偏好关系 | 第128-132页 |
| ·模糊偏好决策逼近 | 第132-138页 |
| ·多类型属性共存时的有序决策分析模型 | 第138-140页 |
| ·近似质量分析和有序决策约简 | 第140-142页 |
| ·应用分析 | 第142-151页 |
| ·本章小结 | 第151-152页 |
| 第5章 混合数据粗糙计算模型与信息度量的统一 | 第152-173页 |
| ·引言 | 第152-153页 |
| ·基于模糊粗糙集的混合数据分析模型的统一 | 第153-157页 |
| ·广义近似空间的信息度量 | 第157-170页 |
| ·模糊关系的信息熵及性质 | 第157-161页 |
| ·Pawlak 近似空间的Shannon 熵与模糊熵的关系 | 第161-164页 |
| ·模糊近似空间不确定性的模糊信息熵度量 | 第164-168页 |
| ·模糊偏好关系近似空间的不确定性 | 第168-170页 |
| ·基于信息熵的混合数据约简方法 | 第170-171页 |
| ·本章小结 | 第171-173页 |
| 第6章 混合数据粗糙约简的稳健性分析 | 第173-193页 |
| ·引言 | 第173-174页 |
| ·三类不稳健性及估计 | 第174-176页 |
| ·稳健性矩阵的总体稳健性 | 第176-178页 |
| ·评价的属性重要度指标 | 第178-180页 |
| ·实验分析 | 第180-192页 |
| ·本章小结 | 第192-193页 |
| 第7章 混合数据属性约简系统设计和应用 | 第193-244页 |
| ·引言 | 第193页 |
| ·混合数据属性选择的系统框架 | 第193-196页 |
| ·进行对比的经典方法 | 第196-201页 |
| ·基于信息熵的特征选择 | 第196-197页 |
| ·基于相关性的混合数据特征选择 | 第197-198页 |
| ·ReliefF 方法 | 第198-200页 |
| ·基于支持向量机的特征评价 | 第200页 |
| ·基于一致性的特征选择 | 第200-201页 |
| ·混合数据属性约简算法的实验测试 | 第201-221页 |
| ·实验数据 | 第201-204页 |
| ·实验结果 | 第204-218页 |
| ·特征选择过拟合现象分析 | 第218-221页 |
| ·属性约简应用于汽车发动机故障诊断 | 第221-226页 |
| ·属性约简应用于癌症识别中的基因选择 | 第226-230页 |
| ·属性约简应用于多分类器系统构造 | 第230-242页 |
| ·EROS 的基本原理 | 第230-232页 |
| ·EROS 构造算法 | 第232-236页 |
| ·实验分析 | 第236-242页 |
| ·本章小结 | 第242-244页 |
| 结论 | 第244-246页 |
| 参考文献 | 第246-267页 |
| 攻读学位期间发表的学术论文 | 第267-271页 |
| 攻读博士学位期间参与的科研项目 | 第271-273页 |
| 致谢 | 第273-274页 |
| 个人简历 | 第274页 |