基于粗糙—模糊集成的分类知识发现
中文摘要 | 第1-7页 |
Abstract | 第7-18页 |
第1章 绪论 | 第18-35页 |
·研究背景及意义 | 第18-20页 |
·知识发现 | 第18-19页 |
·分类 | 第19-20页 |
·现有的分类方法 | 第20-27页 |
·决策树分类方法 | 第21页 |
·贝叶斯分类方法 | 第21-22页 |
·KNN分类方法 | 第22-23页 |
·神经网络分类方法 | 第23-24页 |
·SVM分类方法 | 第24页 |
·模糊集分类方法 | 第24-25页 |
·粗糙集分类方法 | 第25-26页 |
·基于融合技术的分类方法 | 第26-27页 |
·粗糙集与模糊集结合的研究 | 第27-32页 |
·粗糙集与模糊集的比较 | 第27-29页 |
·粗糙-模糊集成方法的文献综述 | 第29-32页 |
·论文的研究内容及篇章结构 | 第32-35页 |
第2章 预备知识 | 第35-49页 |
·引言 | 第35页 |
·粗糙集的发展历史 | 第35-36页 |
·粗糙集的基本概念 | 第36-41页 |
·信息系统和决策表 | 第36页 |
·不可分辨关系 | 第36-38页 |
·上下近似集 | 第38-39页 |
·属性约简与核 | 第39-41页 |
·模糊集的基本概念 | 第41-44页 |
·模糊集合 | 第41-42页 |
·模糊算子 | 第42-43页 |
·模糊关系 | 第43-44页 |
·基于经典粗糙集的属性约简算法 | 第44-46页 |
·粗糙集的理论与应用研究 | 第46-47页 |
·粗糙集拓展模型 | 第47页 |
·本章小结 | 第47-49页 |
第3章 基于决策粗糙集的模糊分类模型 | 第49-76页 |
·引言 | 第49-50页 |
·决策粗糙集模型及属性约简 | 第50-59页 |
·决策粗糙集模型的定义 | 第50-53页 |
·决策粗糙集模型的性质 | 第53-57页 |
·决策粗糙集的约简理论 | 第57-59页 |
·基于决策粗糙集的模糊分类系统 | 第59-71页 |
·FC_DTRS的设计流程 | 第59-60页 |
·输入变量的选择 | 第60-67页 |
·输入变量模糊子集的确立 | 第67-69页 |
·模糊规则的建立 | 第69-70页 |
·模糊推理 | 第70-71页 |
·实验分析 | 第71-75页 |
·TSAR_DTRS约简算法性能测试 | 第71-74页 |
·FC_DTRS模型性能测试 | 第74-75页 |
·本章小结 | 第75-76页 |
第4章 基于改进粗K均值聚类的模糊分类模型 | 第76-93页 |
·引言 | 第76页 |
·基于改进粗K均值聚类的模糊分类模型 | 第76-83页 |
·FC_IRKM的设计流程 | 第76-78页 |
·粗k均值聚类算法 | 第78-79页 |
·改进的粗k均值聚类算法 | 第79-81页 |
·初始FC_IRKM的构建 | 第81页 |
·模糊分类模型的学习 | 第81-83页 |
·实验分析 | 第83-91页 |
·改进的粗k均值聚类算法性能测试 | 第83-90页 |
·基于改进粗k均值聚类的模糊分类模型性能测试 | 第90-91页 |
·本章小结 | 第91-93页 |
第5章 模糊决策粗糙集模型及其属性约简 | 第93-108页 |
·引言 | 第93页 |
·模糊决策粗糙集模型 | 第93-97页 |
·模糊粒化 | 第93-96页 |
·粗糙近似算子 | 第96-97页 |
·基于模糊决策粗糙集的属性约简 | 第97-100页 |
·算例分析 | 第100-101页 |
·实验分析 | 第101-106页 |
·本章小结 | 第106-108页 |
第6章 基于模糊决策粗糙集约简的多分类器集成系统 | 第108-118页 |
·引言 | 第108-109页 |
·基于模糊决策粗糙集约简的多分类器集成系统 | 第109-110页 |
·个体分类器的构造 | 第110-111页 |
·个体分类器的选择 | 第111-113页 |
·实验分析 | 第113-115页 |
·应用实例 | 第115-116页 |
·本章小结 | 第116-118页 |
第7章 总结与展望 | 第118-121页 |
·主要工作与创新点 | 第118-119页 |
·研究展望 | 第119-121页 |
参考文献 | 第121-134页 |
致谢 | 第134-135页 |
攻博期间发表和录用的论文 | 第135-136页 |
攻博期间参与的科研项目 | 第136-137页 |
附录一 MATLAB主要程序清单 | 第137-145页 |
附录二 变压器故障诊断数据集 | 第145-147页 |