粗集理论在机器学习中的应用与研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题概述 | 第9-12页 |
| ·课题背景 | 第9页 |
| ·机器学习的发展及主要略 | 第9-12页 |
| ·论文结构 | 第12-14页 |
| 第二章 粗集理论概述 | 第14-23页 |
| ·知识与知识库 | 第14页 |
| ·粗集的下近似集和上近似集 | 第14-15页 |
| ·知识约简 | 第15-16页 |
| ·知识表达系统 | 第16-17页 |
| ·决策表 | 第17-20页 |
| ·区分距阵与区分函数 | 第20-23页 |
| 第三章 机器学习概述 | 第23-30页 |
| ·人类学习与机器学习 | 第23-24页 |
| ·学习的定义 | 第23页 |
| ·学习的过程 | 第23-24页 |
| ·机器学习的类型及特点 | 第24-26页 |
| ·机器学习的类型 | 第24-25页 |
| ·机器学习的特点 | 第25-26页 |
| ·国内关于机器学习的研究现状 | 第26-27页 |
| ·国外关于机器学习的研究现状 | 第27-28页 |
| ·机器学习的发展前景 | 第28-30页 |
| 第四章 粗糙集的决策树优化算法中的应用与研究 | 第30-37页 |
| ·决策树算法在机器学习中的应用 | 第30页 |
| ·基于粗糙集的决策树优化算法 | 第30-35页 |
| ·引言 | 第30-31页 |
| ·粗糙度与分类质量,决策规则的确定性子 | 第31-33页 |
| ·算法的基本思想与步骤 | 第33-34页 |
| ·算法的实例分析 | 第34-35页 |
| ·总结 | 第35-37页 |
| 第五章 粗糙集在机器学习中的应用与研究 | 第37-42页 |
| ·一种基于粗糙集的增量式学习方法 | 第37-40页 |
| ·引言 | 第37页 |
| ·决策规则的可信度和支持度 | 第37-38页 |
| ·基于粗糙集的增量式学习方法 | 第38-39页 |
| ·实例分析 | 第39-40页 |
| ·小结 | 第40-42页 |
| 第六章 总结与展望 | 第42-44页 |
| ·工作总结 | 第42页 |
| ·后续工作的展望 | 第42-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-51页 |
| 附录(攻读学位期间发表的论文目录) | 第51页 |
