基于决策粗糙集的局部数据分析方法研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景及研究意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-15页 |
| 1.1.2 研究意义 | 第15页 |
| 1.2 粗糙集理论发展历史与现状 | 第15-18页 |
| 1.2.1 发展历史 | 第15-16页 |
| 1.2.2 现状研究 | 第16-18页 |
| 1.3 本文组织结构 | 第18-21页 |
| 第2章 粗糙集理论概述 | 第21-31页 |
| 2.1 Pawlak经典粗糙集 | 第21-24页 |
| 2.1.1 知识表示与粗糙近似集 | 第21-23页 |
| 2.1.2 近似集的度量 | 第23页 |
| 2.1.3 属性约简与核 | 第23-24页 |
| 2.2 概率粗糙集 | 第24-26页 |
| 2.2.1 基本概念 | 第24-25页 |
| 2.2.2 理论特点 | 第25-26页 |
| 2.3 变精度粗糙集 | 第26-27页 |
| 2.3.1 基本概念 | 第26页 |
| 2.3.2 理论特点 | 第26-27页 |
| 2.4 决策粗糙集 | 第27-28页 |
| 2.4.1 基本概念 | 第27-28页 |
| 2.4.2 理论特点 | 第28页 |
| 2.5 本章小结 | 第28-31页 |
| 第3章 决策粗糙集局部数据分析 | 第31-37页 |
| 3.1 预备知识 | 第31-32页 |
| 3.1.1 经典粗糙集 | 第31页 |
| 3.1.2 决策粗糙集 | 第31-32页 |
| 3.2 属性约简 | 第32-34页 |
| 3.3 实验分析 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于多特征信息系统的决策粗糙数据分析 | 第37-45页 |
| 4.1 引言 | 第37页 |
| 4.2 预备知识 | 第37-38页 |
| 4.2.1 近似精度 | 第37-38页 |
| 4.2.2 近似质量 | 第38页 |
| 4.2.3 多标记学习 | 第38页 |
| 4.3 多特征信息系统的构造 | 第38-41页 |
| 4.3.1 多特征信息系统构造方法 | 第38-39页 |
| 4.3.2 多特征信息系统下的上下近似 | 第39-40页 |
| 4.3.3 多特征信息系统下的近似质量 | 第40-41页 |
| 4.4 实验分析 | 第41-42页 |
| 4.4.1 基本数据 | 第41页 |
| 4.4.2 近似质量对比 | 第41页 |
| 4.4.3 分类效果对比 | 第41-42页 |
| 4.5 本章小结 | 第42-45页 |
| 第5章 测试代价敏感的决策粗糙集模型 | 第45-57页 |
| 5.1 引言 | 第45-46页 |
| 5.2 预备知识 | 第46-47页 |
| 5.2.1 不完备信息系统 | 第46页 |
| 5.2.2 测试代价 | 第46-47页 |
| 5.3 测试代价敏感的决策粗糙集 | 第47-52页 |
| 5.3.1 测试代价敏感可变精度分类粗糙集模型 | 第47-49页 |
| 5.3.2 测试代价敏感δ-cut量化粗糙集模型 | 第49-52页 |
| 5.4 属性约简 | 第52-53页 |
| 5.5 实验分析 | 第53-56页 |
| 5.6 本章小结 | 第56-57页 |
| 结论与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士期间撰写的论文 | 第63-65页 |
| 致谢 | 第65页 |
