| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第1章 绪论 | 第14-26页 |
| ·课题背景及研究意义 | 第14页 |
| ·粗糙集模型的研究现状及存在的问题 | 第14-16页 |
| ·数据噪声处理方法的研究现状 | 第16-22页 |
| ·数据噪声的类型 | 第17-18页 |
| ·噪声检测方法 | 第18-20页 |
| ·稳健的学习模型 | 第20-22页 |
| ·数据噪声处理方式对本课题的启示 | 第22页 |
| ·本文主要研究内容和组织结构 | 第22-26页 |
| 第2章 粗糙集模型的稳健性分析 | 第26-48页 |
| ·引言 | 第26页 |
| ·粗糙集模型的稳健性 | 第26-39页 |
| ·经典粗糙集模型的稳健性 | 第26-32页 |
| ·现有的稳健粗糙集模型的抗噪原理 | 第32-39页 |
| ·粗糙集模型稳健性的实验分析 | 第39-45页 |
| ·模型稳健性的评价标准 | 第39-41页 |
| ·模型稳健性的实验分析 | 第41-45页 |
| ·稳健模糊粗糙集模型的基本思想 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第3章 基于软最小超球的模糊粗糙集模型 | 第48-65页 |
| ·引言 | 第48-49页 |
| ·软最小超球问题 | 第49-51页 |
| ·基于空间中位数的软最小超球 | 第51-54页 |
| ·基于软最小超球的模糊粗糙集 | 第54-60页 |
| ·模型的定义 | 第54-57页 |
| ·模型的性质 | 第57-58页 |
| ·模型中的参数分析 | 第58-59页 |
| ·实验分析 | 第59-60页 |
| ·稳健模糊粗糙决策树模型 | 第60-64页 |
| ·决策树模型 | 第60-61页 |
| ·模型稳健性的实验分析 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第4章 基于稳健统计量的模糊粗糙集模型 | 第65-81页 |
| ·引言 | 第65页 |
| ·基于稳健统计量的模糊粗糙集 | 第65-73页 |
| ·模型的定义 | 第65-67页 |
| ·模型的性质 | 第67-69页 |
| ·与其它稳健模糊粗糙集模型的对比分析 | 第69-73页 |
| ·稳健模糊粗糙分类模型 | 第73-80页 |
| ·分类模型 | 第73-76页 |
| ·分类模型稳健性的实验分析 | 第76-80页 |
| ·本章小结 | 第80-81页 |
| 第5章 软模糊粗糙集模型 | 第81-102页 |
| ·引言 | 第81页 |
| ·支持向量机理论 | 第81-84页 |
| ·硬间隔支持向量机 | 第81-83页 |
| ·软间隔支持向量机 | 第83-84页 |
| ·软模糊粗糙集 | 第84-95页 |
| ·软模糊粗糙集的定义 | 第84-88页 |
| ·软模糊粗糙集的性质 | 第88-90页 |
| ·软模糊粗糙集下近似的泛化性能 | 第90-93页 |
| ·实验分析 | 第93-95页 |
| ·基于软模糊粗糙集的稳健特征选择算法 | 第95-100页 |
| ·特征选择算法 | 第96页 |
| ·参数设置 | 第96-98页 |
| ·实验分析 | 第98-100页 |
| ·本章小结 | 第100-102页 |
| 第6章 稳健模糊粗糙集模型的对比分析及在太阳耀斑预报中的应用 | 第102-121页 |
| ·引言 | 第102页 |
| ·稳健模糊粗糙集模型的对比分析 | 第102-107页 |
| ·噪声处理方式对比 | 第102-103页 |
| ·参数设置方式对比 | 第103-104页 |
| ·实验分析 | 第104-107页 |
| ·稳健模糊粗糙集模型在太阳耀斑预报中的应用 | 第107-120页 |
| ·太阳耀斑预报的研究现状 | 第108-109页 |
| ·基于稳健模糊粗糙集的太阳耀斑预报模型 | 第109-117页 |
| ·太阳耀斑预报模型的稳健性评价 | 第117-120页 |
| ·本章小结 | 第120-121页 |
| 结论 | 第121-123页 |
| 参考文献 | 第123-134页 |
| 攻读博士学位期间发表的学术论文及其它成果 | 第134-136页 |
| 致谢 | 第136-137页 |
| 个人简历 | 第137页 |