| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·选题的研究背景和意义 | 第9页 |
| ·KNN 分类算法 | 第9-13页 |
| ·KNN 分类算法的定义和特点 | 第9-10页 |
| ·在距离上的改进 | 第10-11页 |
| ·加快KNN 算法的分类速度 | 第11-13页 |
| ·本文的主要工作和结构安排 | 第13-15页 |
| 第2章 基于属性值信息熵的K-邻近法 | 第15-25页 |
| ·基于属性值信息熵的K-邻近法的提出 | 第15-16页 |
| ·基于属性值信息熵的K-邻近法EntropyKNN | 第16-19页 |
| ·相关定义 | 第16-17页 |
| ·EntropyKNN 算法 | 第17-19页 |
| ·与其他方法的对比 | 第19-21页 |
| ·实验结果 | 第21-23页 |
| ·实验数据及评价指标 | 第21页 |
| ·实验结果与分析 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 第3章 基于层次聚类法的EntropyKNN 算法 | 第25-31页 |
| ·基于层次聚类法的EntropyKNN 算法的意义 | 第25页 |
| ·基于层次聚类法的Entropy-KNN 算法 | 第25-29页 |
| ·实验结果 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 基于属性约简的EntropyKNN 算法 | 第31-35页 |
| ·基于属性约简的EntropyKNN 算法的提出 | 第31页 |
| ·基于属性约简的EntropyKNN 算法 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第5章 总结和展望 | 第35-37页 |
| ·全文总结 | 第35-36页 |
| ·研究和展望 | 第36-37页 |
| 参考文献 | 第37-40页 |
| 致谢 | 第40-41页 |
| 攻读学位期间取得的科研成果 | 第41页 |
