| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 国际国内研究现状分析 | 第12-15页 |
| 1.2.1 代价敏感学习研究现状 | 第12-13页 |
| 1.2.2 粗糙集研究现状 | 第13页 |
| 1.2.3 代价敏感粗糙集的研究现状 | 第13-14页 |
| 1.2.4 预算约束满足问题研究现状 | 第14-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 本文结构安排 | 第16-17页 |
| 第2章 背景知识 | 第17-27页 |
| 2.1 粗糙集的基本理论 | 第17-21页 |
| 2.2 代价敏感学习 | 第21-27页 |
| 第3章 最小测试代价下的代价敏感属性选择 | 第27-37页 |
| 3.1 最小测试代价属性选择问题 | 第27-29页 |
| 3.1.1 测试代价决策系统 | 第27-28页 |
| 3.1.2 最小测试代价的属性选择 | 第28-29页 |
| 3.2 最小测试代价属性选择的对数加权算法 | 第29-32页 |
| 3.2.1 构造测试代价属性选择的启发式函数 | 第29-31页 |
| 3.2.2 最小测试代价属性选择的对数加权算法 | 第31-32页 |
| 3.3 实验与结果分析 | 第32-36页 |
| 3.3.1 数据集的信息 | 第32页 |
| 3.3.2 算法评价指标 | 第32-33页 |
| 3.3.3 分析算法的效果与效率 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 预算约束下的代价敏感属性选择 | 第37-59页 |
| 4.1 预算约束下的代价敏感属性选择问题 | 第37-42页 |
| 4.1.1 属性选择问题下的搜索方法 | 第37-38页 |
| 4.1.2 预算约束满足问题 | 第38-40页 |
| 4.1.3 预算约束下的属性选择问题 | 第40-42页 |
| 4.2 预算约束下的代价敏感属性选择模拟退火算法 | 第42-48页 |
| 4.2.1 预算约束下的模拟退火算法 | 第42-46页 |
| 4.2.2 算法的复杂性和收敛性分析 | 第46页 |
| 4.2.3 运行实例 | 第46-48页 |
| 4.3 实验与结果分析 | 第48-56页 |
| 4.3.1 数据集的信息 | 第49页 |
| 4.3.2 算法的评价指标 | 第49-51页 |
| 4.3.3 模拟退火算法的效果和效率 | 第51-56页 |
| 4.4 本章小结 | 第56-59页 |
| 第5章 动态误分类代价下的代价敏感属性选择 | 第59-81页 |
| 5.1 静态误分类代价 | 第59-61页 |
| 5.1.1 值静态的误分类代价机制 | 第60页 |
| 5.1.2 比例静态的误分类代价机制 | 第60-61页 |
| 5.2 对静态误分类代价的改进策略 | 第61-64页 |
| 5.2.1 误分类代价的动态性 | 第61页 |
| 5.2.2 误分类代价函数的构造 | 第61-64页 |
| 5.3 基于动态误分类代价下的代价敏感属性选择问题 | 第64-66页 |
| 5.4 动态误分类代价下的模拟退火算法 | 第66-70页 |
| 5.4.1 非启发式搜索算法 | 第66页 |
| 5.4.2 启发式的模拟退火搜索算法 | 第66-70页 |
| 5.5 实验分析 | 第70-79页 |
| 5.5.1 数据集的信息 | 第70-71页 |
| 5.5.2 实验的设置 | 第71-74页 |
| 5.5.3 动态误分类代价的效果 | 第74-77页 |
| 5.5.4 比较动态误分类代价和静态误分类代价 | 第77-79页 |
| 5.6 本章小结 | 第79-81页 |
| 第6章 总结与展望 | 第81-85页 |
| 6.1 总结 | 第81-82页 |
| 6.2 未来工作展望 | 第82-85页 |
| 参考文献 | 第85-93页 |
| 致谢 | 第93-95页 |
| 攻读学位期间取得的科研成果 | 第95页 |