Rough集应用研究
| 1 绪论 | 第1-20页 |
| ·Rough集的提出背景 | 第7-8页 |
| ·Rough集基本知识 | 第8-13页 |
| ·信息系统 | 第8页 |
| ·不可分辨关系 | 第8-9页 |
| ·逼近集 | 第9-10页 |
| ·决策表 | 第10-11页 |
| ·属性约简和核 | 第11-12页 |
| ·置信度 | 第12页 |
| ·支持度 | 第12页 |
| ·可分辨矩阵 | 第12-13页 |
| ·属性的重要性 | 第13页 |
| ·Rough集的特点 | 第13-14页 |
| ·Rough集研究现状 | 第14-19页 |
| ·理论研究现状 | 第14-18页 |
| ·粗糙集理论应用研究现状 | 第18-19页 |
| ·课题研究内容 | 第19-20页 |
| 2 ROUGH集应用相关问愿研究 | 第20-36页 |
| ·Rough集应用的一般步骤 | 第20-21页 |
| ·不完备数据的处理 | 第21-27页 |
| ·进行数据补齐 | 第21-25页 |
| ·采用可变精度模型(VPRS) | 第25-26页 |
| ·采用基于相似关系的粗糙集模型 | 第26-27页 |
| ·连续数据的处理 | 第27-31页 |
| ·利用先验知识进行离散化 | 第28页 |
| ·无先验知识进行量化 | 第28-31页 |
| ·Rough集约简算法选择 | 第31-36页 |
| 3 ROUGH集实例系统分析之财务预警 | 第36-48页 |
| ·基本思路 | 第36-37页 |
| ·相关知识介绍 | 第37-41页 |
| ·财务预警概述 | 第37-38页 |
| ·主成分分析方法简介 | 第38页 |
| ·核Fisher方法介绍 | 第38-40页 |
| ·神经网络方法简介 | 第40-41页 |
| ·数据准备和预处理 | 第41-43页 |
| ·数据分析与处理 | 第43-44页 |
| ·相关实验结果及讨论 | 第44-48页 |
| ·利用神经网络作为分类器的结果 | 第44-45页 |
| ·利用核Fisher方法作为分类器的结果 | 第45-46页 |
| ·讨论 | 第46-48页 |
| 4 ROUGH集实例分析之车牌识别 | 第48-54页 |
| ·基本思路 | 第48页 |
| ·车牌识别问题研究现状 | 第48-50页 |
| ·车牌识别简介 | 第48-49页 |
| ·车牌分割研究现状 | 第49-50页 |
| ·字符识别研究现状 | 第50页 |
| ·样本的选取和数据预处理 | 第50-52页 |
| ·车牌字符图像预处理 | 第50-51页 |
| ·决策表的建立 | 第51-52页 |
| ·数据分析与结果讨论 | 第52-53页 |
| ·讨论 | 第53-54页 |
| 5 基于ROUGH集理论的实验系统 | 第54-63页 |
| ·RSE | 第54-56页 |
| ·ROSE | 第56-58页 |
| ·ROSETTA | 第58-60页 |
| ·WEKA | 第60-61页 |
| ·其他Rough集软件系统 | 第61-63页 |
| 6 总结与展望 | 第63-65页 |
| 参考文献 | 第65-73页 |
| 致谢 | 第73页 |
