| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究问题 | 第12-13页 |
| 1.3 文献综述 | 第13-18页 |
| 1.3.1 AHP群决策综述 | 第13-15页 |
| 1.3.2 知识驱动的数据挖掘研究综述 | 第15-16页 |
| 1.3.3 基于多目标决策的数据挖掘研究综述 | 第16-17页 |
| 1.3.4 方法评估研究综述 | 第17-18页 |
| 1.4 本文的主要贡献与创新 | 第18-19页 |
| 1.5 本论文的结构安排 | 第19-22页 |
| 第二章 理论基础 | 第22-36页 |
| 2.1 多目标决策理论与方法 | 第22-27页 |
| 2.1.1 多目标决策理论 | 第22-23页 |
| 2.1.2 多目标决策方法 | 第23-27页 |
| 2.2 群决策理论与方法 | 第27-31页 |
| 2.2.1 群决策理论 | 第27-28页 |
| 2.2.2 群决策方法 | 第28-31页 |
| 2.3 数据挖掘理论与方法 | 第31-36页 |
| 2.3.1 数据挖掘理论 | 第31-32页 |
| 2.3.2 数据挖掘方法 | 第32-36页 |
| 第三章 知识驱动的多目标决策的数据挖掘方法评估理论框架 | 第36-44页 |
| 3.1 研究背景 | 第36-38页 |
| 3.2 方法评估理论框架 | 第38-41页 |
| 3.3 方法评估流程 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 知识驱动的AHP研究 | 第44-64页 |
| 4.1 研究动机 | 第44-45页 |
| 4.2 AHP概述及其原理 | 第45-50页 |
| 4.2.1 基本步骤 | 第46页 |
| 4.2.2 建立决策层次结构 | 第46-47页 |
| 4.2.3 构造两两对比判断矩阵 | 第47-48页 |
| 4.2.4 层次单排序 | 第48-49页 |
| 4.2.5 一致性检验 | 第49-50页 |
| 4.2.6 层次总排序 | 第50页 |
| 4.3 传统的AHP群决策方法 | 第50-53页 |
| 4.3.1 集结个体判断矩阵 | 第51页 |
| 4.3.2 集结个体排序 | 第51-53页 |
| 4.4 改进的AHP群决策方法（IAHP-GDM ） | 第53-55页 |
| 4.5 基于专家权重的AHP群决策方法（ EWAHP-GDM） | 第55-58页 |
| 4.6 实证分析 | 第58-61页 |
| 4.6.1 决策层级结构 | 第58-59页 |
| 4.6.2 实证结果 | 第59-61页 |
| 4.7 EWAHP-GDM方法定权重 | 第61-62页 |
| 4.8 本章小结 | 第62-64页 |
| 第五章 分类方法评估 | 第64-84页 |
| 5.1 研究动机 | 第64-65页 |
| 5.2 分类概述 | 第65-66页 |
| 5.3 分类方法 | 第66-74页 |
| 5.3.1 Bayes Network方法 | 第66-67页 |
| 5.3.2 Na?ve Ba yes方法 | 第67-68页 |
| 5.3.3 Logistic回归方法 | 第68-69页 |
| 5.3.4 RBF Net work方法 | 第69页 |
| 5.3.5 SMO方法 | 第69-70页 |
| 5.3.6 IB1方法 | 第70页 |
| 5.3.7 IBk方法 | 第70-71页 |
| 5.3.8 J48方法 | 第71页 |
| 5.3.9 NBTree方法 | 第71-72页 |
| 5.3.10 Multi -Layer Perceptron方法 | 第72-74页 |
| 5.4 分类方法的评估指标体系 | 第74-75页 |
| 5.5 应用背景及相关数据 | 第75-76页 |
| 5.5.1 德国信用数据集 | 第76页 |
| 5.5.2 澳大利亚信用数据集 | 第76页 |
| 5.6 基于方法评估理论框架的分类方法评估方案 | 第76-78页 |
| 5.7 实证分析 | 第78-82页 |
| 5.7.1 评估流程与步骤 | 第78页 |
| 5.7.2 实证结果 | 第78-82页 |
| 5.8 本章小结 | 第82-84页 |
| 第六章 聚类方法评估 | 第84-101页 |
| 6.1 研究动机 | 第84-85页 |
| 6.2 聚类概述 | 第85页 |
| 6.3 聚类方法 | 第85-88页 |
| 6.3.1 K-Means聚类方法 | 第86页 |
| 6.3.2 EM聚类方法 | 第86-87页 |
| 6.3.3 FarthestFirst聚类方法 | 第87页 |
| 6.3.4 Hierarchlcal Cluste rer聚类方法 | 第87页 |
| 6.3.5 MakeDensityBased Clusterer聚类方法 | 第87-88页 |
| 6.3.6 Filtered Clustererer聚类方法 | 第88页 |
| 6.4 聚类方法的评估指标体系 | 第88-90页 |
| 6.5 应用背景及相关数据 | 第90-91页 |
| 6.6 基于方法评估理论框架的聚类方法评估方案 | 第91-94页 |
| 6.7 实证分析 | 第94-98页 |
| 6.7.1 评估流程与步骤 | 第94-95页 |
| 6.7.2 实证结果 | 第95-98页 |
| 6.8 讨论和分析 | 第98-99页 |
| 6.9 本章小结 | 第99-101页 |
| 第七章 总结与展望 | 第101-104页 |
| 7.1 本文工作总结 | 第101-103页 |
| 7.2 研究展望 | 第103-104页 |
| 致谢 | 第104-105页 |
| 参考文献 | 第105-117页 |
| 附录 | 第117-157页 |
| 攻读博士学位期间取得的成果 | 第157-159页 |
| 攻读博士学位期间参与的科研项目 | 第159-160页 |
