| 摘要 | 第7-10页 |
| Abstract | 第10-13页 |
| 第1章 绪论 | 第19-32页 |
| 1.1 本文研究背景 | 第19-21页 |
| 1.2 相关研究工作进展 | 第21-29页 |
| 1.2.1 经典粗糙集模型 | 第21-23页 |
| 1.2.2 概率粗糙集模型 | 第23-24页 |
| 1.2.3 决策粗糙集模型 | 第24-25页 |
| 1.2.4 基于粗糙集的不确定性度量方法 | 第25-27页 |
| 1.2.5 属性约简 | 第27-28页 |
| 1.2.6 待解决的关键问题 | 第28-29页 |
| 1.3 本文的主要研究内容及成果 | 第29-31页 |
| 1.4 本文的组织结构 | 第31-32页 |
| 第2章 概率粗糙集中满足单调性的不确定性度量方法 | 第32-55页 |
| 2.1 引言 | 第32-33页 |
| 2.2 典粗糙集中的不确定性度量 | 第33-36页 |
| 2.3 概率粗糙集中满足单调性的不确定性度量 | 第36-50页 |
| 2.3.1 概率粗糙集 | 第36-37页 |
| 2.3.2 不确定性度量的非单调性 | 第37-40页 |
| 2.3.3 满足单调性的不确定性度量 | 第40-50页 |
| 2.4 仿真实验 | 第50-53页 |
| 2.5 本章小结 | 第53-55页 |
| 第3章 概率粗糙集中基于不确定性度量的属性约简方法 | 第55-65页 |
| 3.1 引言 | 第55-56页 |
| 3.2 属性约简的定义 | 第56页 |
| 3.3 核和属性重要性 | 第56-58页 |
| 3.4 属性约简算法 | 第58-59页 |
| 3.5 实例分析 | 第59-61页 |
| 3.6 仿真实验 | 第61-64页 |
| 3.7 本章小结 | 第64-65页 |
| 第4章 决策粗糙集中基于信息熵的决策域分布保持约简 | 第65-92页 |
| 4.1 引言 | 第65-66页 |
| 4.2 决策粗糙集 | 第66-69页 |
| 4.3 决策粗糙集中属性约简存在的问题 | 第69-74页 |
| 4.3.1 属性约简定义存在的问题 | 第69-72页 |
| 4.3.2 属性约简算法存在的问题 | 第72-74页 |
| 4.4 基于信息熵的决策域分布保持约简 | 第74-85页 |
| 4.4.1 决策域分布保持约简的定义 | 第74-75页 |
| 4.4.2 基于信息熵的启发式计算方法 | 第75-81页 |
| 4.4.3 核和属性重要性 | 第81-83页 |
| 4.4.4 启发式约简算法 | 第83-84页 |
| 4.4.5 实例分析 | 第84-85页 |
| 4.5 仿真实验 | 第85-90页 |
| 4.5.1 单调性实验 | 第85-87页 |
| 4.5.2 分类正确率实验 | 第87-90页 |
| 4.6 本章小结 | 第90-92页 |
| 第5章 决策粗糙集中基于遗传算法的决策域分布保持约简 | 第92-112页 |
| 5.1 引言 | 第92-93页 |
| 5.2 存在的问题 | 第93-96页 |
| 5.3 决策域分布保持约简的启发式计算方法 | 第96-102页 |
| 5.3.1 基于条件信息量的启发式计算方法 | 第96-101页 |
| 5.3.2 决策域分布保持约简求核算法 | 第101-102页 |
| 5.4 基于决策域分布保持的最小约简问题及启发式算法 | 第102-106页 |
| 5.4.1 最小约简问题描述 | 第102-103页 |
| 5.4.2 基于遗传算法的启发式约简算法 | 第103-106页 |
| 5.5 仿真实验 | 第106-110页 |
| 5.5.1 分类效率实验 | 第106-109页 |
| 5.5.2 最小约简实验 | 第109-110页 |
| 5.6 本章小结 | 第110-112页 |
| 结论 | 第112-116页 |
| 致谢 | 第116-118页 |
| 参考文献 | 第118-129页 |
| 攻读博士学位期间发表的论文及科研成果 | 第129-130页 |
| 读博期间论文发表情况 | 第129页 |
| 读博期间参编的著作章节 | 第129页 |
| 读博期间参与的科研项目 | 第129-130页 |
