基于粗糙集理论的知识不确定性度量与规则获取方法研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 致谢 | 第12-20页 |
| 第一章 绪论 | 第20-32页 |
| ·引言 | 第20-21页 |
| ·粗糙集理论研究概况 | 第21-24页 |
| ·粗糙集理论主要研究方向 | 第21-22页 |
| ·粗糙集理论的相关研究 | 第22-24页 |
| ·粗糙集理论基础 | 第24-29页 |
| ·粗糙集理论的基本概念 | 第24-27页 |
| ·基于粗糙集理论的知识约简 | 第27-29页 |
| ·常用的知识约简算法 | 第29页 |
| ·本文的研究内容与结构 | 第29-32页 |
| ·本文的研究内容 | 第29-30页 |
| ·本文的组织结构 | 第30-32页 |
| 第二章 知识和粗集的不确定性度量 | 第32-53页 |
| ·引言 | 第32页 |
| ·通常意义下的知识粗糙熵与粗集粗糙熵 | 第32-33页 |
| ·基于边界域的知识粗糙熵与粗集粗糙熵 | 第33-41页 |
| ·基于边界域的知识粗糙熵 | 第34-36页 |
| ·基于边界域的粗集粗糙熵 | 第36-37页 |
| ·边界条件熵 | 第37-41页 |
| ·通常意义下的条件熵 | 第37-38页 |
| ·基于边界域的条件熵 | 第38-40页 |
| ·边界条件熵若干性质 | 第40-41页 |
| ·基于极大相容块技术的知识和粗集粗糙性度量 | 第41-48页 |
| ·基于相容类的知识粗糙熵与粗集粗糙度 | 第42-43页 |
| ·基于极大相容块的知识粗糙性度量 | 第43-45页 |
| ·极大相容块的定义 | 第43-44页 |
| ·基于极大相容块的知识粗糙熵 | 第44-45页 |
| ·基于极大相容块的粗集粗糙性度量 | 第45-48页 |
| ·粗集粗糙度 | 第45-47页 |
| ·粗集粗集熵 | 第47-48页 |
| ·属性约简算法及在定性推理中的应用 | 第48-52页 |
| ·基于知识信息熵的属性约简算法 | 第48-49页 |
| ·KIEBAFR算法在定性推理中的应用 | 第49-50页 |
| ·基于边界条件熵的属性约简算法 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第三章 变精度参数的估计 | 第53-65页 |
| ·引言 | 第53页 |
| ·变精度粗糙集模型的基本概念 | 第53-55页 |
| ·决策表度量与变精度参数的估计 | 第55-64页 |
| ·决策表两种度量方法 | 第55-58页 |
| ·决策表的确定性度量 | 第55-56页 |
| ·决策表的相对可辨识性 | 第56-58页 |
| ·β值的估计方法 | 第58-60页 |
| ·基于决策表确定性的β值估计 | 第58-59页 |
| ·基于决策表相对可辨识性的p阈值计算方法 | 第59-60页 |
| ·β对知识约简的影响 | 第60-63页 |
| ·β上(下)分布约简 | 第60-61页 |
| ·β值对上(下)分布约简的影响 | 第61页 |
| ·β值对下近似约简的影响 | 第61-63页 |
| ·实验结果 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第四章 动态数据环境下的归纳学习 | 第65-75页 |
| ·引言 | 第65页 |
| ·分辨矩阵 | 第65-66页 |
| ·分割数据集和归纳学习 | 第66-74页 |
| ·数据集分割方法 | 第66-69页 |
| ·决策矩阵的归纳学习 | 第69-71页 |
| ·归纳学习方法 | 第69-70页 |
| ·粗糙集归纳学习算法 | 第70-71页 |
| ·动态数据环境下的归纳学习算法 | 第71页 |
| ·应用实例 | 第71-73页 |
| ·实验结果 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 第五章 基于联合决策矩阵的规则获取方法 | 第75-90页 |
| ·引言 | 第75页 |
| ·完备信息系统规则获取 | 第75-82页 |
| ·等价矩阵与联合决策等价矩阵 | 第77-79页 |
| ·规则获取的联合决策等价矩阵算法 | 第79-80页 |
| ·规则获取算法 | 第79页 |
| ·算法分析 | 第79-80页 |
| ·应用实例 | 第80-81页 |
| ·实验结果 | 第81-82页 |
| ·不完备系统中规则提取的快速矩阵算法 | 第82-89页 |
| ·广义决策函数与广义决策系统 | 第82-84页 |
| ·相容矩阵与联合决策相容矩阵 | 第84-86页 |
| ·快速联合决策相容矩阵算法 | 第86-87页 |
| ·多类决策系统的转换方法 | 第86页 |
| ·算法描述 | 第86-87页 |
| ·应用实例 | 第87-88页 |
| ·实验结果 | 第88-89页 |
| ·本章小结 | 第89-90页 |
| 第六章 基于矩阵分块的规则获取方法 | 第90-111页 |
| ·引言 | 第90页 |
| ·大数据集上任意分割及其规则获取 | 第90-100页 |
| ·等价矩阵与大数据集的分割原则 | 第91-95页 |
| ·决策系统间的等价矩阵 | 第91-94页 |
| ·大数据集任意分割原则 | 第94-95页 |
| ·基于任意分割的规则获取矩阵分块算法 | 第95-97页 |
| ·算法描述 | 第95-97页 |
| ·复杂度分析 | 第97页 |
| ·实例分析 | 第97-99页 |
| ·实验结果 | 第99-100页 |
| ·大数据集上快速矩阵分块算法 | 第100-109页 |
| ·基于决策类的分割与联合决策矩阵 | 第100-103页 |
| ·规则提取快速矩阵分块算法 | 第103-106页 |
| ·算法描述 | 第103-105页 |
| ·复杂度分析 | 第105-106页 |
| ·实例分析 | 第106-108页 |
| ·实验结果 | 第108-109页 |
| ·本章小结 | 第109-111页 |
| 第七章 结束语 | 第111-113页 |
| ·主要工作及创新点 | 第111页 |
| ·下一步工作 | 第111-113页 |
| 参考文献 | 第113-120页 |
| 攻读博士学位期间主要研究成果 | 第120-121页 |
