| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 本课题的研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 研究现状 | 第11-12页 |
| 1.2.2 问题的提出和目标 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 相关理论和关键技术 | 第15-28页 |
| 2.1 经典粗糙集 | 第15-16页 |
| 2.2 概率粗糙集模型 | 第16-17页 |
| 2.3 贝叶斯公式与决策过程 | 第17-18页 |
| 2.3.1 贝叶斯公式 | 第17页 |
| 2.3.2 贝叶斯决策过程 | 第17-18页 |
| 2.4 决策粗糙集 | 第18-22页 |
| 2.4.1 决策粗糙集模型及公式推导 | 第18-21页 |
| 2.4.2 三支决策的决策粗糙集理论 | 第21-22页 |
| 2.4.3 决策风险最小化问题 | 第22页 |
| 2.5 两种基于风险最小化求解三支决策粗糙集阈值算法 | 第22-25页 |
| 2.5.1 自适应算法求解阈值 | 第23-25页 |
| 2.5.2 模拟退火算法求解阈值 | 第25页 |
| 2.6 人工鱼群算法 | 第25-27页 |
| 2.6.1 鱼群行为描述 | 第26页 |
| 2.6.2 人工鱼群算法寻优的基本原理 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第三章 利用人工鱼群算法求三支决策粗糙集阈值 | 第28-44页 |
| 3.1 基于人工鱼群的风险最小化三支决策粗糙集阈值求解 | 第28-33页 |
| 3.1.1 数据的预处理 | 第28-29页 |
| 3.1.2 解空间 | 第29页 |
| 3.1.3 明氏距离 | 第29页 |
| 3.1.4 距离的表示以及与阈值的关系 | 第29-30页 |
| 3.1.5 人工鱼的几种行为的算法描述 | 第30-33页 |
| 3.2 具体过程 | 第33-34页 |
| 3.3 仿真实验 | 第34-43页 |
| 3.3.1 实验环境 | 第34-35页 |
| 3.3.2 实验数据 | 第35页 |
| 3.3.3 评价标准 | 第35-36页 |
| 3.3.4 实验结果与分析 | 第36-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于风险最小化的三支决策邮件分类 | 第44-50页 |
| 4.1 基于风险最小化的DTRS模型的邮件分类算法 | 第44-45页 |
| 4.2 仿真实验 | 第45-46页 |
| 4.3 实验评价指标 | 第46页 |
| 4.4 实验结果与分析 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 本文贡献和创新之处 | 第50-51页 |
| 5.3 展望 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间发表的论文 | 第59页 |
