基于粗糙集分类算法的研究及应用
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 粗糙集的研究背景及意义 | 第10页 |
| 1.2 粗糙集研究的主要问题 | 第10-12页 |
| 1.3 本文做的主要工作 | 第12-13页 |
| 1.4 本文各章节的结构安排 | 第13-14页 |
| 第2章 粗糙集理论基础及其研究现状 | 第14-20页 |
| 2.1 粗糙集理论基本概念 | 第14-15页 |
| 2.2 粗糙集的研究现状 | 第15-20页 |
| 2.2.1 属性离散化的研究现状 | 第16-17页 |
| 2.2.2 属性约简的研究现状 | 第17页 |
| 2.2.3 规则提取的研究现状 | 第17-18页 |
| 2.2.4 粗糙集与传统分类算法相结合的研究现状 | 第18页 |
| 2.2.5 粗糙集的应用领域 | 第18-20页 |
| 第3章 粗糙集属性值离散化 | 第20-31页 |
| 3.1 属性离散化的概述 | 第20页 |
| 3.2 粗糙集离散化问题的描述 | 第20-21页 |
| 3.3 基于遗传算法的属性离散化 | 第21-25页 |
| 3.3.1 遗传算法的介绍 | 第21页 |
| 3.3.2 遗传算法离散化的设计原理 | 第21-25页 |
| 3.4 基于粒子群算法的属性离散化 | 第25-27页 |
| 3.4.1 粒子群算法的简介 | 第25页 |
| 3.4.2 粒子群算法的设计原理 | 第25-27页 |
| 3.5 基于粒子群和遗传算法相结合的数据离散化 | 第27-28页 |
| 3.6 实验分析与结果 | 第28-31页 |
| 3.6.1 数据集的介绍 | 第28-29页 |
| 3.6.2 实验结果 | 第29-31页 |
| 第4章 粗糙集属性约简与规则提取算法 | 第31-38页 |
| 4.1 粗糙集属性约简 | 第31-35页 |
| 4.1.1 基于区分矩阵的属性约简算法 | 第31页 |
| 4.1.2 基于信息熵的属性约简算法 | 第31-32页 |
| 4.1.3 已有算法的局限性 | 第32页 |
| 4.1.4 改进的属性约简算法 | 第32-33页 |
| 4.1.5 算法实例 | 第33-35页 |
| 4.2 粗糙集规则提取 | 第35-38页 |
| 4.2.1 规则提取的概述 | 第35页 |
| 4.2.2 已有算法的局限性 | 第35页 |
| 4.2.3 改进的属性值约简算法 | 第35-36页 |
| 4.2.4 算法实例 | 第36-38页 |
| 第5章 粗糙集与加权K近邻分类算法相结合 | 第38-46页 |
| 5.1 粗糙集与加权K近邻分类算法相结合的概述 | 第38-39页 |
| 5.2 粗糙集与加权K近邻相结合的分类算法 | 第39-40页 |
| 5.3 粗糙集与加权最小距离相结合的分类算法 | 第40-41页 |
| 5.4 实验分析与结果 | 第41-46页 |
| 5.4.1 实验数据的介绍 | 第42页 |
| 5.4.2 对比实验与结果 | 第42-46页 |
| 第6章 粗糙集在群体异常行为检测当中的应用 | 第46-52页 |
| 6.1 应用背景 | 第46页 |
| 6.2 特征提取 | 第46-49页 |
| 6.2.1 运动强度 | 第47页 |
| 6.2.2 前景块之间的距离 | 第47-48页 |
| 6.2.3 方向混乱程度 | 第48页 |
| 6.2.4 帧间混乱程度 | 第48-49页 |
| 6.3 连续型属性值离散化 | 第49-50页 |
| 6.4 属性约简和规则提取 | 第50页 |
| 6.5 实验分析与结果 | 第50-52页 |
| 第7章 总结与展望 | 第52-54页 |
| 7.1 总结 | 第52-53页 |
| 7.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 论文发表情况 | 第57-58页 |
| 致谢 | 第58-59页 |
