| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 引言 | 第6-10页 |
| 1.1 选题背景及意义 | 第6-7页 |
| 1.2 粗糙集研究现状 | 第7-8页 |
| 1.3 分类算法研究现状 | 第8-9页 |
| 1.4 本文主要工作 | 第9-10页 |
| 第二章 粗糙集理论基础 | 第10-23页 |
| 2.1 粗糙集理论[21] | 第10-15页 |
| 2.1.1 等价关系与不可分辨关系 | 第10页 |
| 2.1.2 上近似与下近似 | 第10-11页 |
| 2.1.3 粗糙集的数字特征 | 第11-13页 |
| 2.1.4 信息系统和决策系统 | 第13-15页 |
| 2.2 邻域粗糙集理论 | 第15-18页 |
| 2.2.1 基于邻域的粒化[5] | 第15页 |
| 2.2.2 邻域粗糙集逼近[5] | 第15-18页 |
| 2.3 邻域粗糙集属性约简算法介绍 | 第18-22页 |
| 2.3.1 前向贪心数值属性约简算法[5] | 第19页 |
| 2.3.2 前向搜索属性约简快速算法[22] | 第19-21页 |
| 2.3.3 基于邻域粗糙集的快速属性约简算法[23] | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 分类算法 | 第23-27页 |
| 3.1 分类算法简介 | 第23-26页 |
| 3.1.1 决策树算法 | 第23-24页 |
| 3.1.2 KNN算法 | 第24页 |
| 3.1.3 贝叶斯算法 | 第24-25页 |
| 3.1.4 SVM算法 | 第25-26页 |
| 3.1.5 神经网络 | 第26页 |
| 3.2 本章小结 | 第26-27页 |
| 第四章 基于邻域粗糙集的属性约简改进算法 | 第27-33页 |
| 4.1 阈值的选取 | 第27页 |
| 4.2 改进的属性约简邻域算法 | 第27-29页 |
| 4.2.1 基本数学性质 | 第27-28页 |
| 4.2.2 改进约简算法的思路 | 第28页 |
| 4.2.3 改进算法实现 | 第28-29页 |
| 4.3 实验分析 | 第29-32页 |
| 4.3.1 实验环境 | 第29-30页 |
| 4.3.2 数据集 | 第30页 |
| 4.3.3 实验结果 | 第30-32页 |
| 4.4 本章小结 | 第32-33页 |
| 第五章 基于邻域粗糙集的分类算法 | 第33-43页 |
| 5.1 基于邻域粗糙集的分类算法 | 第33-35页 |
| 5.1.1 基本数学性质 | 第33页 |
| 5.1.2 算法思想 | 第33-34页 |
| 5.1.3 算法设计 | 第34-35页 |
| 5.2 实验分析 | 第35-42页 |
| 5.2.1 实验环境及数据集 | 第35-36页 |
| 5.2.2 Wine数据集实验结果 | 第36-37页 |
| 5.2.3 Ionosphere数据集实验结果 | 第37-39页 |
| 5.2.4 Wdbc数据集实验结果 | 第39-40页 |
| 5.2.5 glass数据集实验结果 | 第40-42页 |
| 5.3 本章小结 | 第42-43页 |
| 第六章 结论与展望 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 攻读学位期间的研究成果 | 第46-47页 |
| 致谢 | 第47-48页 |