基于粗集理论的机器学习
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题概述 | 第10-15页 |
| ·课题背景 | 第10-11页 |
| ·机器学习的发展及国内外研究现状 | 第11-13页 |
| ·粗集理论现状、发展及其应用概况 | 第13-15页 |
| ·论文结构 | 第15-16页 |
| 第二章 粗集理论 | 第16-27页 |
| ·知识与分类 | 第16-17页 |
| ·粗集的基本概念 | 第17-25页 |
| ·知识库与不可分辨关系 | 第17页 |
| ·粗集的下近似集和上近似集 | 第17-18页 |
| ·近似与成员关系 | 第18-19页 |
| ·知识约简 | 第19-20页 |
| ·知识表达系统 | 第20-21页 |
| ·决策表 | 第21-24页 |
| ·区分矩阵与区分函数 | 第24-25页 |
| ·粗集理论的特点 | 第25-27页 |
| 第三章 机器学习概述 | 第27-34页 |
| ·机器学习的基本定义 | 第27-28页 |
| ·机器学习的类型与特点 | 第28-29页 |
| ·机器学习的类型 | 第28-29页 |
| ·机器学习的一般特点 | 第29页 |
| ·机器学习系统的基本原理与结构 | 第29-32页 |
| ·机器学习发展的历史回顾与发展趋势 | 第32-34页 |
| 第四章 粗集理论在静态机器学习中的应用研究 | 第34-43页 |
| ·知识约简在机器学习中的应用 | 第34页 |
| ·一种改进的基于粗集理论的有导师学习方法 | 第34-37页 |
| ·引言 | 第34-35页 |
| ·传统的粗集属性约简算法 | 第35页 |
| ·改进的粗集属性约简算法 | 第35-36页 |
| ·改进算法的思想 | 第35-36页 |
| ·改进后的约简算法 | 第36页 |
| ·改进算法与原算法的比较 | 第36页 |
| ·实例分析 | 第36-37页 |
| ·小结 | 第37页 |
| ·知识学习的学习质量 | 第37-39页 |
| ·知识学习的充分性 | 第39-40页 |
| ·导师知识的完备性 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 粗集理论在动态机器学习中的应用研究 | 第43-58页 |
| ·一种基于粗集理论的增量式属性约简算法 | 第43-46页 |
| ·引言 | 第43页 |
| ·相对区分矩阵、绝对区分矩阵和条件属性代价P | 第43-44页 |
| ·算法的基本思想与具体步骤 | 第44-45页 |
| ·算法的基本思想 | 第44页 |
| ·算法的具体步骤 | 第44-45页 |
| ·算法验证与分析 | 第45-46页 |
| ·小结 | 第46页 |
| ·一种多类决策系统的递增式粗集归纳学习方法 | 第46-56页 |
| ·引言 | 第46-47页 |
| ·分辨矩阵 | 第47-48页 |
| ·分割数据集和获取规则的方法 | 第48-51页 |
| ·数据集分割方法 | 第48-50页 |
| ·决策矩阵中规则获取方法 | 第50-51页 |
| ·粗集归纳学习及其动态数据环境下的归纳学习 | 第51-56页 |
| ·粗集归纳学习算法 | 第51-52页 |
| ·递增式粗集归纳学习算法 | 第52-53页 |
| ·应用实例 | 第53-56页 |
| ·实验结果 | 第56页 |
| ·小结 | 第56页 |
| ·粗集理论在动态机器学习中的应用 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·工作总结 | 第58-59页 |
| ·后续研究工作的展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-68页 |
| 附录(攻读学位期间发表的论文目录) | 第68页 |
