| 摘要 | 第2-3页 |
| abstract | 第3-4页 |
| 第1章 引言 | 第7-10页 |
| 1.1 选题背景及意义 | 第7页 |
| 1.2 国内外研究历程及现状 | 第7-9页 |
| 1.2.1 粗糙集理论 | 第7-8页 |
| 1.2.2 属性约简 | 第8-9页 |
| 1.3 本文的主要工作 | 第9-10页 |
| 第2章 理论基础 | 第10-17页 |
| 2.1 经典的PAWLAK粗糙集理论基础 | 第10-13页 |
| 2.1.1 等价关系、等价类 | 第10-11页 |
| 2.1.2 上近似与下近似 | 第11页 |
| 2.1.3 知识对系统的不确定性度量 | 第11页 |
| 2.1.4 PAWLAK粗糙集示例 | 第11-13页 |
| 2.1.5 依赖度与属性重要度 | 第13页 |
| 2.2 邻域粗糙集模型基础理论 | 第13-17页 |
| 2.2.1 邻域粒化 | 第13-14页 |
| 2.2.2 邻域粗糙集逼近 | 第14-15页 |
| 2.2.3 邻域粗糙集示例 | 第15-17页 |
| 第3章 基于样本类别的快速属性约简算法 | 第17-29页 |
| 3.1 前言 | 第17页 |
| 3.2 F2HARNRS和FHARA算法的正域计算 | 第17-18页 |
| 3.3 基于样本类别的正域计算 | 第18-20页 |
| 3.4 性能分析 | 第20-21页 |
| 3.5 基于样本类别的正域计算算法 | 第21-22页 |
| 3.6 基于样本类别的快速属性约简算法 | 第22-23页 |
| 3.7 实验分析 | 第23-28页 |
| 3.7.1 实验环境及方案 | 第23-24页 |
| 3.7.2 FARABC算法的有效性 | 第24页 |
| 3.7.3 FARABC算法的时间开销 | 第24-26页 |
| 3.7.4 FARABC算法的效率 | 第26-28页 |
| 3.7.5 实验结论 | 第28页 |
| 3.8 本章小结 | 第28-29页 |
| 第4章 基于容错改进的邻域粗糙集属性约简算法 | 第29-38页 |
| 4.1 前言 | 第29页 |
| 4.2 邻域空间下的决策风险分析 | 第29-31页 |
| 4.2.1 最小风险决策规则 | 第29-30页 |
| 4.2.2 Pr(X|δ(x_i))的定义及零容错问题 | 第30-31页 |
| 4.3 基于容错改进的正域计算及其单调性分析 | 第31-33页 |
| 4.3.1 基于容错改进的正域计算算法 | 第31-32页 |
| 4.3.2 基于容错改进的正域计算单调性分析 | 第32-33页 |
| 4.4 基于容错改进的属性约简算法 | 第33-34页 |
| 4.5 实验分析 | 第34-37页 |
| 4.5.1 实验环境及方案 | 第34页 |
| 4.5.2 实验结果 | 第34-37页 |
| 4.5.3 实验结论 | 第37页 |
| 4.6 本章小结 | 第37-38页 |
| 第5章 基于邻域粗糙集的信息表属性约简算法 | 第38-45页 |
| 5.1 前言 | 第38页 |
| 5.2 一种邻域粗糙集的信息表属性约简标准 | 第38-40页 |
| 5.3 基于前向贪心的信息表属性约简算法 | 第40-41页 |
| 5.4 实验分析 | 第41-44页 |
| 5.4.1 实验环境及方案 | 第41页 |
| 5.4.2 FARAIT算法的实验分析 | 第41-43页 |
| 5.4.3 FARAIT算法与PCA算法的对比 | 第43-44页 |
| 5.5 本章小结 | 第44-45页 |
| 第6章 总结与展望 | 第45-46页 |
| 6.1 总结 | 第45页 |
| 6.2 展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 攻读学位期间的研究成果 | 第49-50页 |
| 致谢 | 第50-51页 |