| 第1章 引言 | 第1-7页 |
| 第2章 基础知识 | 第7-12页 |
| 2．1 Dempster-Shafer证据理论 | 第7-8页 |
| 2．2 Pawlak粗糙集理论 | 第8-9页 |
| 2．3 可传递信度模型 | 第9-12页 |
| 第3章 关于TBM的一些理论研究 | 第12-20页 |
| 3．1 TBM与概率模型的比较 | 第12-16页 |
| 3．1．1 概率模型简介 | 第12-14页 |
| 3．1．2 TBM与概率模型的比较 | 第14-16页 |
| 3．2 TBM上的Rough算子及Rough集解释 | 第16-20页 |
| 3．2．1 TBM上的Rough算子 | 第16-17页 |
| 3．2．2 Rough算子的性质 | 第17-18页 |
| 3．2．3 TBM的Rough集解释 | 第18-20页 |
| 第4章 基于TBM的k-NN分类规则及其拓广 | 第20-31页 |
| 4．1 基于TBM的k-NN分类规则 | 第20-21页 |
| 4．2 结合模糊集理论和可能性理论的拓广 | 第21-23页 |
| 4．3 参数的优化——自适应学习 | 第23-28页 |
| 4．3．1 基于TBM的k-NN分类规则中的参数优化 | 第23-26页 |
| 4．3．2 拓广k-NN分类规则中的参数优化 | 第26-28页 |
| 4．4 实验 | 第28-31页 |
| 第5章 总结与展望 | 第31-33页 |
| 5．1 总结 | 第31页 |
| 5．2 进一步工作 | 第31-33页 |
| 参考文献 | 第33-35页 |
| 致谢 | 第35-36页 |
| 独创性声明 | 第36页 |
| 论文使用授权说明 | 第36页 |