| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 粗糙集的研究现状 | 第13-14页 |
| 1.2.2 代价敏感学习的研究现状 | 第14页 |
| 1.2.3 代价敏感粗糙集的研究现状 | 第14-15页 |
| 1.2.4 代价敏感决策树的研究现状 | 第15-16页 |
| 1.3 本文主要研究内容与结构安排 | 第16-19页 |
| 第2章 背景知识 | 第19-27页 |
| 2.1 代价敏感学习 | 第19-20页 |
| 2.2 粗糙集理论 | 第20-23页 |
| 2.2.1 概念和知识 | 第20页 |
| 2.2.2 上近似和下近似 | 第20-21页 |
| 2.2.3 粗糙集属性约简 | 第21-23页 |
| 2.3 代价敏感决策树研究的基础 | 第23-27页 |
| 2.3.1 相关概念和基础知识 | 第24-25页 |
| 2.3.2 基本算法 | 第25-27页 |
| 第3章 最小总代价的代价敏感属性选择 | 第27-41页 |
| 3.1 最小总代价的代价敏感属性选择问题 | 第27-29页 |
| 3.2 代价敏感属性选择的指数加权算法 | 第29-31页 |
| 3.2.1 启发式函数设计 | 第29-30页 |
| 3.2.2 算法框架 | 第30-31页 |
| 3.3 实验与结果分析 | 第31-40页 |
| 3.3.1 指数加权算法的效果 | 第32-34页 |
| 3.3.2 指数加权算法的效率 | 第34-35页 |
| 3.3.3 算法的稳定性 | 第35-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 自适应划分点选择的代价敏感决策树 | 第41-59页 |
| 4.1 代价敏感决策树分类的平均总代价 | 第41-43页 |
| 4.2 CS-C4.5 算法的选择划分点机制 | 第43-46页 |
| 4.3 自适应划分点选择的代价敏感决策树算法 | 第46-55页 |
| 4.3.1 启发式信息函数 | 第46页 |
| 4.3.2 自适应选择划分点机制 | 第46-50页 |
| 4.3.3 自适应划分点选择的代价敏感决策树算法 | 第50-53页 |
| 4.3.4 代价敏感决策树的构建 | 第53-55页 |
| 4.4 实验与结果分析 | 第55-58页 |
| 4.4.1 自适应选择划分点的代价敏感决策树算法的效果 | 第56-57页 |
| 4.4.2 自适应选择划分点的代价敏感决策树算法的效率 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 自适应属性删除的代价敏感决策树 | 第59-73页 |
| 5.1 最小代价决策树问题 | 第59-60页 |
| 5.2 启发式函数 | 第60-61页 |
| 5.3 算法框架 | 第61-64页 |
| 5.4 实验与结果分析 | 第64-71页 |
| 5.4.1 不同δ下算法BMDT的效果和效率 | 第66-69页 |
| 5.4.2 与经典算法CS-C4.5、CS-GainRatio比较 | 第69-71页 |
| 5.5 本章小结 | 第71-73页 |
| 第6章 自适应概率剪枝的代价敏感决策树 | 第73-83页 |
| 6.1 代价敏感决策树的构建 | 第73-75页 |
| 6.2 概率剪枝机制 | 第75-77页 |
| 6.3 实验与结果分析 | 第77-81页 |
| 6.3.1 概率剪枝机制的有效性 | 第77-80页 |
| 6.3.2 PPC-C4.5 算法与已存在算法的效果比较 | 第80-81页 |
| 6.4 本章小结 | 第81-83页 |
| 第7章 总结和展望 | 第83-85页 |
| 7.1 总结 | 第83页 |
| 7.2 未来工作展望 | 第83-85页 |
| 参考文献 | 第85-93页 |
| 致谢 | 第93-95页 |
| 攻读硕士学位期间发表的学术论文 | 第95页 |
