基于代阶敏感学习的物料分选优化研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究内容及意义 | 第10页 |
| 1.3 物料分选的研究现状 | 第10-14页 |
| 1.3.1 分类特征属性的测试技术研究 | 第11-13页 |
| 1.3.2 物料分选的分类算法研究 | 第13-14页 |
| 1.4 论文结构和技术路线 | 第14-16页 |
| 2 相关理论综述 | 第16-26页 |
| 2.1 分类问题概述 | 第16-18页 |
| 2.1.1 分类定义 | 第16-17页 |
| 2.1.2 分类算法 | 第17-18页 |
| 2.2 决策树分类 | 第18-22页 |
| 2.2.1 决策树 | 第18-19页 |
| 2.2.2 决策树分类过程 | 第19页 |
| 2.2.3 经典决策树分类算法 | 第19-22页 |
| 2.3 代价敏感学习算法 | 第22-26页 |
| 2.3.1 代价敏感学习 | 第22-23页 |
| 2.3.2 分类代价的类型 | 第23-24页 |
| 2.3.3 典型的代价敏感决策树算法 | 第24-26页 |
| 3 物料分选优化问题的描述 | 第26-34页 |
| 3.1 物料分选 | 第26-29页 |
| 3.1.1 相关概念和定义 | 第26-27页 |
| 3.1.2 物料分选方式 | 第27-29页 |
| 3.2 物料分选优化问题描述 | 第29-34页 |
| 3.2.1 物料分选成本分析 | 第29-31页 |
| 3.2.2 物料分选经济效益分析 | 第31-32页 |
| 3.2.3 物料分选的评价指标 | 第32页 |
| 3.2.4 物料分选优化问题 | 第32-34页 |
| 4 物料分选优化算法设计 | 第34-41页 |
| 4.1 物料分选的代价敏感算法设计 | 第34-36页 |
| 4.1.1 增强型信息代价函数 | 第34-35页 |
| 4.1.2 权衡系数ω优化算法 | 第35-36页 |
| 4.1.3 物料分选的相对测试代价 | 第36页 |
| 4.2 物料分选优化问题的求解 | 第36-41页 |
| 4.2.1 训练样本集和测试样本集准备 | 第37页 |
| 4.2.2 物料分选优化问题的求解流程 | 第37-38页 |
| 4.2.3 物料分选优化问题的求解算法 | 第38-39页 |
| 4.2.4 物料分选优化问题的重采样技术 | 第39-41页 |
| 5 算例研究 | 第41-54页 |
| 5.1 苹果分选的基本数据 | 第41-43页 |
| 5.1.1 苹果分选的分类特征 | 第41-42页 |
| 5.1.2 苹果分选的初始分选规则 | 第42页 |
| 5.1.3 苹果分选的测试代价 | 第42页 |
| 5.1.4 苹果分选的误分类代价 | 第42-43页 |
| 5.2 苹果分选测试数据 | 第43-44页 |
| 5.3 苹果分选实验 | 第44-54页 |
| 5.3.1 基于EC4.5CS1算法的物料分选 | 第45-46页 |
| 5.3.2 基于EC4.5CS2算法的物料分选 | 第46-47页 |
| 5.3.3 基于EG2算法的物料分选 | 第47-48页 |
| 5.3.4 基于C4.5CS算法的物料分选 | 第48-49页 |
| 5.3.5 基于C4.5算法的物料分选 | 第49-50页 |
| 5.3.6 基于ID3算法的物料分选 | 第50-51页 |
| 5.3.7 算法分析与比较 | 第51-52页 |
| 5.3.8 苹果分选的重采样 | 第52-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录A 苹果分选的最终规则 | 第59-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-68页 |
