不一致决策表数据处理方法研究
摘要 | 第1-6页 |
Abstract | 第6-12页 |
1 绪论 | 第12-26页 |
·研究背景与意义 | 第12-15页 |
·粗糙集国内外研究现状 | 第15-21页 |
·离散化方法研究现状 | 第15-16页 |
·核属性集计算研究现状 | 第16-18页 |
·属性约简研究现状 | 第18-21页 |
·规则提取研究现状 | 第21页 |
·主要研究内容 | 第21-22页 |
·论文组织结构 | 第22-26页 |
2 粗糙集理论的基本概念 | 第26-38页 |
·粗糙集理论的基本概念 | 第27-31页 |
·信息系统 | 第27-28页 |
·辨识与不可辨识 | 第28-29页 |
·近似、域以及粗糙集 | 第29-31页 |
·粗糙集理论与数据处理有关的基本概念 | 第31-33页 |
·约简与核 | 第31-32页 |
·规则 | 第32-33页 |
·粗糙集理论与其它智能理论 | 第33-35页 |
·粗糙集与模糊集 | 第33-34页 |
·粗糙集与神经网络、遗传算法等智能算法 | 第34-35页 |
·粗糙集的研究方向与应用领域 | 第35-36页 |
·本章小结 | 第36-38页 |
3 不一致决策表核属性集研究 | 第38-64页 |
·引言 | 第38-40页 |
·问题分析 | 第40-41页 |
·不一致决策表核属性集计算的不一致现象 | 第41-45页 |
·基于信息粒划分的有效核集计算 | 第45-53页 |
·信息粒划分 | 第45-48页 |
·不一致决策表有效核集计算 | 第48-53页 |
·基于规则的不一致决策表核集计算方法选择策略 | 第53-58页 |
·不一致决策表信息与规则 | 第53-54页 |
·不一致决策表信息粒划分与规则 | 第54-57页 |
·基于规则的不一致决策表核集选择策略 | 第57-58页 |
·不一致决策表数据处理框架 | 第58-59页 |
·实验验证 | 第59-62页 |
·本章小结 | 第62-64页 |
4 基于属性排斥矩阵的属性约简算法 | 第64-76页 |
·问题分析 | 第64-65页 |
·约简与约简超集 | 第65-66页 |
·属性排斥矩阵 | 第66-69页 |
·属性吸收特征 | 第66-67页 |
·属性排斥特征 | 第67-68页 |
·属性排斥矩阵 | 第68-69页 |
·基于属性排斥矩阵的启发式属性约简算法 | 第69-71页 |
·实验验证 | 第71-75页 |
·本章小结 | 第75-76页 |
5 基于属性关联的启发式约简算法 | 第76-88页 |
·问题分析 | 第76-77页 |
·属性关联分析 | 第77-83页 |
·属性排斥集 | 第77-80页 |
·属性吸引集 | 第80-81页 |
·基于属性关联的属性启发策略 | 第81-83页 |
·基于属性关联的约简算法 | 第83-85页 |
·实验验证 | 第85-86页 |
·本章小结 | 第86-88页 |
6 高可信度最小约简启发策略 | 第88-102页 |
·问题分析 | 第88-89页 |
·最小约简启发策略及其可信度模型 | 第89-96页 |
·属性吸收特征及其可信度模型 | 第89-90页 |
·属性排斥特征及其可信度模型 | 第90-93页 |
·二元互斥及其可信度模型 | 第93-94页 |
·属性多元互斥特征及其可信度模型 | 第94-96页 |
·高可信度最小约简启发策略与算法 | 第96-98页 |
·综合启发策略 | 第96-97页 |
·启发式高可信度最小约简算法 | 第97-98页 |
·实验验证 | 第98-99页 |
·本章小结 | 第99-102页 |
7 规则分层约简算法 | 第102-118页 |
·问题分析 | 第103-104页 |
·HRR算法 | 第104-111页 |
·基于下近似的规则分层提取 | 第104-107页 |
·规则约简性质与聚类策略 | 第107-111页 |
·基于HRR的数据处理流程 | 第111-114页 |
·HRR算法与其他算法的性能比较 | 第114-117页 |
·与分层递阶属性约简算法的比较 | 第114-115页 |
·与属性重要性离散算法的比较 | 第115-117页 |
·本章小结 | 第117-118页 |
8 结论与展望 | 第118-120页 |
·结论 | 第118-119页 |
·展望 | 第119-120页 |
参考文献 | 第120-132页 |
攻读学位期间主要的研究成果目录 | 第132-134页 |
致谢 | 第134页 |