多规则有序决策的粗糙集模型与熵方法
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 研究工作的背景与意义 | 第12-13页 |
| 1.2 多规则有序决策的研究历史与现状 | 第13-17页 |
| 1.2.1 基于粗糙集的多规则有序决策研究现状 | 第14-16页 |
| 1.2.2 基于信息熵的多规则有序决策研究现状 | 第16-17页 |
| 1.3 粗糙集的基本概念 | 第17-20页 |
| 1.3.1 Pawlak经典粗糙集 | 第17-19页 |
| 1.3.2 模糊粗糙集 | 第19-20页 |
| 1.4 本文的主要研究内容与创新 | 第20-22页 |
| 1.5 本论文的结构安排 | 第22-23页 |
| 第二章 有序决策的多粒度偏好关系粗糙集模型 | 第23-53页 |
| 2.1 多粒度粗糙集 | 第24-26页 |
| 2.2 偏好关系粗糙集 | 第26-31页 |
| 2.3 多粒度偏好关系粗糙集 | 第31-40页 |
| 2.4 粒结构选择 | 第40-45页 |
| 2.5 实验分析 | 第45-51页 |
| 2.6 本章小结 | 第51-53页 |
| 第三章 有序决策的多粒度模糊偏好关系粗糙集模型 | 第53-76页 |
| 3.1 模糊偏好关系粗糙集 | 第53-58页 |
| 3.2 多粒度模糊偏好关系粗糙集 | 第58-65页 |
| 3.3 偏好决策和样本压缩 | 第65-71页 |
| 3.4 实验分析 | 第71-75页 |
| 3.5 本章小结 | 第75-76页 |
| 第四章 有序决策的偏好不一致信息熵模型 | 第76-101页 |
| 4.1 偏好关系 | 第77-78页 |
| 4.2 信息熵 | 第78-79页 |
| 4.3 偏好不一致熵 | 第79-84页 |
| 4.4 偏好不一致熵的应用 | 第84-88页 |
| 4.4.1 属性约简 | 第84-87页 |
| 4.4.2 样本压缩 | 第87-88页 |
| 4.5 实验分析 | 第88-99页 |
| 4.6 本章小结 | 第99-101页 |
| 第五章 有序决策的基于偏好不一致熵的偏好决策 | 第101-110页 |
| 5.1 样本的偏好不一致熵 | 第102-105页 |
| 5.2 实验分析 | 第105-108页 |
| 5.3 本章小结 | 第108-110页 |
| 第六章 基于模糊粗糙集的最近邻样本压缩 | 第110-123页 |
| 6.1 最近邻方法 | 第111页 |
| 6.2 最近邻快速样本压缩 | 第111-112页 |
| 6.3 基于模糊粗糙集的最近邻压缩 | 第112-117页 |
| 6.3.1 FRSC算法 | 第112-115页 |
| 6.3.2 FRSC算法的大数据集扩展 | 第115-117页 |
| 6.3.3 FRSC算法的k-NN扩展 | 第117页 |
| 6.4 实验分析 | 第117-122页 |
| 6.4.1 FRSC算法效果分析 | 第118-119页 |
| 6.4.2 FRSC算法与FCNN算法的比较 | 第119-122页 |
| 6.5 本章小结 | 第122-123页 |
| 第七章 全文总结与展望 | 第123-126页 |
| 7.1 全文总结 | 第123-124页 |
| 7.2 后续工作展望 | 第124-126页 |
| 致谢 | 第126-127页 |
| 参考文献 | 第127-134页 |
| 攻读博士学位期间取得的成果 | 第134-135页 |
