基于决策粗糙集模型的多目标属性约简研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景与研究意义 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 决策粗糙集研究现状 | 第9-10页 |
| 1.2.2 属性约简研究现状 | 第10-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 组织结构 | 第13-15页 |
| 2 理论知识及相关技术 | 第15-25页 |
| 2.1 Pawlak经典粗糙集模型相关理论 | 第15-17页 |
| 2.2 决策粗糙集模型相关理论 | 第17-21页 |
| 2.2.1 贝叶斯决策过程 | 第17-18页 |
| 2.2.2 决策粗糙集模型 | 第18-21页 |
| 2.3 属性约简相关理论 | 第21-24页 |
| 2.3.1 基于正域的属性约简 | 第21-22页 |
| 2.3.2 基于决策代价的属性约简 | 第22-23页 |
| 2.3.3 基于互信息的属性约简 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 多目标优化属性约简 | 第25-38页 |
| 3.1 引言 | 第25页 |
| 3.2 多目标优化属性约简模型 | 第25-28页 |
| 3.2.1 多目标优化问题描述 | 第25-28页 |
| 3.2.2 多目标优化属性约简模型 | 第28页 |
| 3.3 多目标优化属性约简算法 | 第28-32页 |
| 3.3.1 算法描述 | 第29-30页 |
| 3.3.2 算法解释与分析 | 第30-32页 |
| 3.4 实验与分析 | 第32-37页 |
| 3.4.1 实验数据 | 第32页 |
| 3.4.2 实验设计 | 第32-33页 |
| 3.4.3 实验结果与分析 | 第33-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 集成学习属性约简 | 第38-52页 |
| 4.1 引言 | 第38页 |
| 4.2 集成学习思想 | 第38-40页 |
| 4.2.1 集成学习思想描述 | 第38-40页 |
| 4.2.2 集成学习基本方法 | 第40页 |
| 4.3 集成学习属性约简算法 | 第40-44页 |
| 4.3.1 算法描述 | 第40-42页 |
| 4.3.2 算法解释与分析 | 第42-44页 |
| 4.4 实验与分析 | 第44-50页 |
| 4.4.1 实验结果与分析 | 第44-50页 |
| 4.5 本章小结 | 第50-52页 |
| 5 基于多目标属性约简的文本分类应用与系统实现 | 第52-61页 |
| 5.1 引言 | 第52页 |
| 5.2 文本分类相关理论 | 第52-54页 |
| 5.2.1 文本分类的流程 | 第52-53页 |
| 5.2.2 文本预处理 | 第53页 |
| 5.2.3 特征选择 | 第53页 |
| 5.2.4 特征加权 | 第53-54页 |
| 5.2.5 文本表示模型 | 第54页 |
| 5.3 实验与分析 | 第54-57页 |
| 5.3.1 实验文本数据 | 第54-55页 |
| 5.3.2 实验设计 | 第55页 |
| 5.3.3 实验结果与分析 | 第55-57页 |
| 5.4 基于多目标属性约简的文本分类系统实现 | 第57-60页 |
| 5.4.1 文本分类系统流程图 | 第57-58页 |
| 5.4.2 文本分类系统界面 | 第58-60页 |
| 5.5 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68页 |
