| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-16页 |
| 1.1 研究背景及意义 | 第7-12页 |
| 1.1.1 模式识别简介 | 第7-8页 |
| 1.1.2 模式识别常见方法 | 第8-12页 |
| 1.2 决策树算法简介及其研究现状 | 第12-14页 |
| 1.2.1 决策树算法简介 | 第12-13页 |
| 1.2.2 决策树研究现状 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-16页 |
| 2 基于数据的模糊规则分类器构建 | 第16-41页 |
| 2.1 引言 | 第16页 |
| 2.2 Wang-Mendel算法简介 | 第16-20页 |
| 2.3 基于邻域粗糙集的快速属性约减算法 | 第20-24页 |
| 2.3.1 邻域粗糙集模型简介 | 第20-22页 |
| 2.3.2 邻域大小的设定 | 第22-24页 |
| 2.3.3 前向贪心的快速属性约减算法（NRS_FS_FAST） | 第24页 |
| 2.4 基于模糊规则的分类器构建 | 第24-30页 |
| 2.4.1 确定模糊数 | 第24-25页 |
| 2.4.2 提取规则 | 第25-27页 |
| 2.4.3 简化规则库 | 第27-28页 |
| 2.4.4 确定类标签 | 第28-30页 |
| 2.5 实验结果与分析 | 第30-39页 |
| 2.5.1 Iris数据实验 | 第30-37页 |
| 2.5.2 与其他分类算法比较 | 第37-39页 |
| 2.6 本章小结 | 第39-41页 |
| 3 基于AFS的模糊斜决策树（FODT）构建 | 第41-57页 |
| 3.1 引言 | 第41页 |
| 3.2 AFS简介 | 第41-44页 |
| 3.2.1 AFS代数 | 第41-43页 |
| 3.2.2 AFS结构 | 第43-44页 |
| 3.3 模糊规则提取 | 第44-45页 |
| 3.3.1 AFS隶属函数的生成 | 第44-45页 |
| 3.3.2 模糊规则提取算法（FREA） | 第45页 |
| 3.4 模糊斜决策树的构建 | 第45-51页 |
| 3.4.1 模糊斜决策树理论与算法 | 第45-50页 |
| 3.4.2 模糊斜决策树对应的规则 | 第50-51页 |
| 3.5 实验结果与分析 | 第51-55页 |
| 3.5.1 Iris数据实验 | 第51-54页 |
| 3.5.2 与FRDT和其他传统决策树的比较 | 第54-55页 |
| 3.5.3 Holm检验 | 第55页 |
| 3.6 本章小结 | 第55-57页 |
| 4 总结与展望 | 第57-58页 |
| 4.1 总结 | 第57页 |
| 4.2 展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表学术论文情况 | 第63-64页 |
| 致谢 | 第64-66页 |