| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-19页 |
| ·选题背景 | 第9-10页 |
| ·国内外人事测评发展情况 | 第10-17页 |
| ·国内外人事测评发展现状及对国内人事测评的影响 | 第10-14页 |
| ·人事测评方法和前沿理论研究 | 第14-17页 |
| ·课题的研究意义 | 第17页 |
| ·组织结构和主要工作 | 第17-19页 |
| 2 构建国防生综合素质测评指标及指标数据的采集方法 | 第19-32页 |
| ·国防生基本情况介绍 | 第19-20页 |
| ·构建国防生综合素质测评指标的指导思想 | 第20页 |
| ·构建国防生综合素质测评指标的基本原则 | 第20-21页 |
| ·国防生综合素质测评指标的内容、量化标准和评估标准 | 第21-29页 |
| ·国防生综合素质测评指标的采集方法 | 第29-31页 |
| ·小结 | 第31-32页 |
| 3 粗糙集理论及属性简约 | 第32-43页 |
| ·粗糙集理论的产生和应用 | 第32-33页 |
| ·粗糙集的基本概念和定义 | 第33-37页 |
| ·上、下近似关系 | 第34-35页 |
| ·信息系统和决策表 | 第35-36页 |
| ·不可区分关系 | 第36-37页 |
| ·核与属性简约 | 第37-41页 |
| ·属性简约定义 | 第37-38页 |
| ·基于广义特征表的求取核属性方法 | 第38-41页 |
| ·具有代表性的粗糙集软件系统 | 第41-42页 |
| ·小结 | 第42-43页 |
| 4 支持向量机分类原理 | 第43-54页 |
| ·机器学习及支持向量机原理 | 第43-48页 |
| ·机器学习及统计学原理 | 第43页 |
| ·VC维及结构风险最小化原理 | 第43-44页 |
| ·SVM基本原理 | 第44-48页 |
| ·支持向量机用于多类问题的分类 | 第48-53页 |
| ·一对多(One-versus-Rest) | 第49页 |
| ·一对一(One-versus-One) | 第49-50页 |
| ·二叉树SVMs(Binary tree SVMs) | 第50页 |
| ·有向无环图(Directed Acyclic Graph SVMs) | 第50-51页 |
| ·基于二叉树SVMs和DAG-SVMs的混合分类方法 | 第51-53页 |
| ·小结 | 第53-54页 |
| 5 基于粗糙集和支持向量机的国防生综合素质测评实例研究 | 第54-70页 |
| ·基于粗糙集和支持向量机的国防生分类模型及分类方法 | 第54-55页 |
| ·数据预处理 | 第55-58页 |
| ·属性权值的确定 | 第55-56页 |
| ·样本清洗 | 第56-57页 |
| ·属性简约 | 第57-58页 |
| ·SVM核参数的选优 | 第58-61页 |
| ·构建分类模型 | 第61-63页 |
| ·实验结果和分析 | 第63-69页 |
| ·小结 | 第69-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表学术论文情况 | 第75-76页 |
| 致谢 | 第76-77页 |
