基于粗糙集与神经网络的数据分类研究及应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·课题的研究背景 | 第8-9页 |
| ·数据分类技术研究现状 | 第9-12页 |
| ·常见的数据分类技术 | 第9-11页 |
| ·数据分类技术存在的问题及未来的发展方向 | 第11-12页 |
| ·课题的主要研究内容 | 第12-14页 |
| ·研究的目的及意义 | 第12页 |
| ·作者的主要工作 | 第12-14页 |
| 2 基于属性重要度的粗糙集属性约简方法 | 第14-24页 |
| ·常见的属性约简算法 | 第14-15页 |
| ·粗糙集理论概述 | 第15-18页 |
| ·粗糙集的基本概念 | 第15-16页 |
| ·基于粗糙集的知识表达系统 | 第16-18页 |
| ·基于属性重要度的粗糙集属性约简算法 | 第18-23页 |
| ·属性重要度的计算 | 第18页 |
| ·连续属性值的离散化 | 第18-20页 |
| ·改进的广义特征表求核算法 | 第20-21页 |
| ·基于属性重要度的改进启发式约简算法 | 第21-23页 |
| ·小结 | 第23-24页 |
| 3 基于粗糙集与神经网络的分类器设计 | 第24-40页 |
| ·BP神经网络 | 第24-28页 |
| ·BP神经网络模型 | 第24-25页 |
| ·误差反向传播学习算法 | 第25-28页 |
| ·神经网络分类器原理 | 第28-31页 |
| ·神经网络分类器概述 | 第28-29页 |
| ·BP神经网络的分类能力 | 第29-31页 |
| ·基于动态阈值的神经网络分类器设计 | 第31-37页 |
| ·神经网络输入输出参数的确定 | 第31-33页 |
| ·神经网络结构参数的确定 | 第33-34页 |
| ·分类器的训练及校验方法 | 第34-35页 |
| ·基于动态阈值函数的输出规范化 | 第35-36页 |
| ·基于动态阈值的神经网络分类器模型 | 第36-37页 |
| ·粗糙集与神经网络分类器的结合 | 第37-39页 |
| ·粗糙集与神经网络的特点 | 第37-38页 |
| ·粗糙集与神经网络的结合 | 第38-39页 |
| ·小结 | 第39-40页 |
| 4 基于粗糙集和神经网络分类器的电影票房预测 | 第40-60页 |
| ·电影票房预测研究综述 | 第40-43页 |
| ·预测方法研究现状 | 第40-41页 |
| ·电影票房收入的影响因素 | 第41-43页 |
| ·数据预处理 | 第43-48页 |
| ·输入/输出数据规范化 | 第43页 |
| ·变量选择及其初始值的确定 | 第43-48页 |
| ·基于动态阈值神经网络分类器的票房预测 | 第48-55页 |
| ·票房预测的性能指标 | 第48页 |
| ·隐层数及其节点数的选择 | 第48-49页 |
| ·交叉验证策略 | 第49-50页 |
| ·票房预测结果 | 第50-53页 |
| ·模型的推广性能分析 | 第53-55页 |
| ·基于粗糙集和神经网络分类器的票房预测 | 第55-59页 |
| ·基于粗糙集的输入变量约简 | 第55-56页 |
| ·票房预测结果及性能分析 | 第56-59页 |
| ·小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 部分电影票房数据 | 第64-65页 |
| 攻读硕士学位期间发表学术论文情况 | 第65-66页 |
| 致谢 | 第66-67页 |
