| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 符号索引 | 第14-17页 |
| 第1章 绪论 | 第17-25页 |
| 1.1 选题背景及意义 | 第17-18页 |
| 1.1.1 选题背景 | 第17页 |
| 1.1.2 研究意义 | 第17-18页 |
| 1.2 相关研究综述及现状 | 第18-21页 |
| 1.2.1 属性约简研究综述 | 第18-19页 |
| 1.2.2 样本约减研究综述 | 第19-20页 |
| 1.2.3 文本分类研究现状 | 第20-21页 |
| 1.3 研究内容及组织结构 | 第21-25页 |
| 1.3.1 研究内容 | 第21-22页 |
| 1.3.2 组织结构 | 第22-25页 |
| 第2章 邻域粗糙集的基本理论 | 第25-39页 |
| 2.1 经典粗糙集 | 第25-29页 |
| 2.1.1 信息表达系统 | 第25-26页 |
| 2.1.2 相关概念 | 第26-29页 |
| 2.2 邻域粗糙集 | 第29-35页 |
| 2.2.1 邻域粗糙集的粒化 | 第29-32页 |
| 2.2.2 邻域粗糙集的逼近 | 第32-34页 |
| 2.2.3 邻域决策系统 | 第34-35页 |
| 2.3 两种粗糙集的比较 | 第35-37页 |
| 2.4 本章小结 | 第37-39页 |
| 第3章 邻域粗糙集的属性约简算法研究 | 第39-51页 |
| 3.1 属性约简算法 | 第39-41页 |
| 3.1.1 基本概念 | 第39-40页 |
| 3.1.2 算法原理 | 第40-41页 |
| 3.2 改进的邻域粗糙集属性约简算法 | 第41-47页 |
| 3.2.1 新的属性重要性度量 | 第41-44页 |
| 3.2.2 改进的属性约简算法 | 第44-45页 |
| 3.2.3 算法测试与分析 | 第45-47页 |
| 3.3 两种算法的比较 | 第47-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 邻域粗糙集的样本约减算法研究 | 第51-67页 |
| 4.1 常见的分类方法 | 第51-54页 |
| 4.2 基于密度的邻域模型样本约减算法 | 第54-61页 |
| 4.2.1 基本概念 | 第54-55页 |
| 4.2.2 样本约减算法 | 第55-57页 |
| 4.2.3 算法比较与分析 | 第57-61页 |
| 4.3 各种分类算法测试结果 | 第61-64页 |
| 4.4 本章小结 | 第64-67页 |
| 第5章 属性约简及样本约减算法在文本分类上的应用 | 第67-79页 |
| 5.1 文本分类基本概念 | 第67-69页 |
| 5.2 基于邻域粗糙集的文本分类预处理过程 | 第69-71页 |
| 5.3 HARNRS 和 DNMSR 算法应用于文本分类 | 第71-76页 |
| 5.4 本章小结 | 第76-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 6.1 研究总结 | 第79-80页 |
| 6.2 工作展望 | 第80-81页 |
| 参考文献 | 第81-89页 |
| 致谢 | 第89-91页 |
| 攻读硕士学位期间发表的论文 | 第91页 |