| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪言 | 第13-19页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.2.1 三支决策理论的研究 | 第14-15页 |
| 1.2.2 视频异常检测的研究 | 第15页 |
| 1.2.3 属性约简算法的研究 | 第15页 |
| 1.2.4 待研究问题 | 第15-16页 |
| 1.3 本文工作 | 第16-17页 |
| 1.4 本文组织 | 第17-19页 |
| 第二章 相关知识 | 第19-28页 |
| 2.1 引言 | 第19页 |
| 2.2 粗糙集 | 第19-21页 |
| 2.2.1 决策表 | 第19页 |
| 2.2.2 上下近似 | 第19-20页 |
| 2.2.3 属性重要度 | 第20页 |
| 2.2.4 粗糙集理论相关工作 | 第20-21页 |
| 2.3 三支决策 | 第21-23页 |
| 2.3.1 三支决策模型理论知识 | 第21-22页 |
| 2.3.2 三支决策相关工作 | 第22-23页 |
| 2.4 主题模型 | 第23-24页 |
| 2.4.1 主题模型历史介绍 | 第23页 |
| 2.4.2 主题模型理论知识 | 第23-24页 |
| 2.4.3 主题模型相关应用 | 第24页 |
| 2.5 Spark介绍 | 第24-27页 |
| 2.5.1 Spark生态系统 | 第25页 |
| 2.5.2 Spark核心概念 | 第25-26页 |
| 2.5.3 Spark工作流程 | 第26-27页 |
| 2.6 本章总结 | 第27-28页 |
| 第三章 三支决策分类预处理：基于S park的快速并行属性约简算法 | 第28-41页 |
| 3.1 引言 | 第28页 |
| 3.2 RSAR：基于属性重要度的约简算法 | 第28-34页 |
| 3.2.1 RS AR算法步骤及算法分析 | 第29-31页 |
| 3.2.2 实验过程 | 第31-32页 |
| 3.2.3 实验环境 | 第32-34页 |
| 3.2.4 实验结果和分析 | 第34页 |
| 3.3 PRSAR：基于S park的粗糙集并行属性约简算法 | 第34-40页 |
| 3.3.1 PRSAR算法步骤及算法分析 | 第34-35页 |
| 3.3.2 实验环境 | 第35-37页 |
| 3.3.3 实验结果与分析 | 第37-40页 |
| 3.4 本章总结 | 第40-41页 |
| 第四章 基于Tritraining的三支决策分类方法及其并行化 | 第41-51页 |
| 4.1 引言 | 第41页 |
| 4.2 集成三支决策算法Tritraining-TWD的设计 | 第41-46页 |
| 4.2.1 三支决策算法TWD | 第41-42页 |
| 4.2.2 集成三支决策算法Tritraining-TWD | 第42-43页 |
| 4.2.3 实验环境 | 第43-44页 |
| 4.2.4 实验结果与分析 | 第44-46页 |
| 4.3 基于Spark的并行化分类算法的设计 | 第46-50页 |
| 4.3.1 PTWD算法和P-Tritraining-TWD算法设计 | 第46-48页 |
| 4.3.2 实验环境 | 第48页 |
| 4.3.3 实验结果与分析 | 第48-50页 |
| 4.4 本章总结 | 第50-51页 |
| 第五章 基于三支决策方法的视频异常检测应用 | 第51-60页 |
| 5.1 引言 | 第51页 |
| 5.2 视频异常检测的流程设计 | 第51-54页 |
| 5.2.1 基于光流法的运动特征提取 | 第52-53页 |
| 5.2.2 基于并行LDA的特征处理 | 第53页 |
| 5.2.3 基于三支决策算法的行为分类 | 第53-54页 |
| 5.3 实验设计与分析 | 第54-59页 |
| 5.3.1 实验环境 | 第54页 |
| 5.3.2 实验数据 | 第54-55页 |
| 5.3.3 实验评估函数 | 第55-56页 |
| 5.3.4 实验结果与分析 | 第56-59页 |
| 5.4 本章总结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 工作总结 | 第60-61页 |
| 6.2 研究展望 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 致谢 | 第69-70页 |
| 简历与科研成果 | 第70-71页 |
