| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-12页 |
| 第1章 绪论 | 第12-20页 |
| ·课题研究的背景及意义 | 第12-14页 |
| ·国内外研究现状分析 | 第14-17页 |
| ·代价敏感学习研究现状 | 第14-15页 |
| ·粗糙集研究现状 | 第15页 |
| ·代价敏感粗糙集研究现状 | 第15-16页 |
| ·决策树研究现状 | 第16-17页 |
| ·本文主要研究内容与结构安排 | 第17-20页 |
| 第2章 背景知识 | 第20-28页 |
| ·代价敏感学习 | 第20页 |
| ·粗糙集理论 | 第20-24页 |
| ·概念和知识 | 第21页 |
| ·上下近似 | 第21-22页 |
| ·粗糙集属性约简 | 第22-24页 |
| ·决策树 | 第24-26页 |
| ·算法评价指标 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 最小测试代价属性约简的智能优化算法 | 第28-50页 |
| ·最小测试代价属性约简 | 第28-30页 |
| ·测试代价决策系统 | 第28-29页 |
| ·最小测试代价属性约简问题 | 第29-30页 |
| ·最小测试代价属性约简的蚁群优化算法 | 第30-44页 |
| ·最小测试代价属性约简的蚁群优化算法 | 第31-34页 |
| ·运行实例 | 第34-36页 |
| ·实验与结果分析 | 第36-44页 |
| ·最小测试代价属性约简的模拟退火算法 | 第44-49页 |
| ·最小测试代价属性约简的模拟退火算法 | 第44-48页 |
| ·实验与结果分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 最小代价属性选择的模拟退火算法 | 第50-58页 |
| ·最小代价属性选择 | 第50-51页 |
| ·代价敏感决策系统 | 第50-51页 |
| ·最小代价属性选择问题 | 第51页 |
| ·最小代价属性选择的模拟退火算法 | 第51-53页 |
| ·运行实例 | 第53-55页 |
| ·实验与结果分析 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第5章 代价敏感决策树算法 | 第58-80页 |
| ·决策树及其平均代价 | 第58-59页 |
| ·C4.5 算法 | 第58-59页 |
| ·EG2 算法 | 第59页 |
| ·代价敏感决策树的平均代价 | 第59页 |
| ·代价敏感 C4.5 算法 | 第59-61页 |
| ·测试代价加权信息增益 | 第59-60页 |
| ·代价敏感 C4.5 的竞争机制 | 第60页 |
| ·后剪枝技术 | 第60-61页 |
| ·代价减少率 | 第61页 |
| ·运行实例 | 第61-66页 |
| ·实验与结果分析 | 第66-79页 |
| ·不同启发式信息的实验结果比较 | 第67-76页 |
| ·不同γ值下的实验结果比较 | 第76页 |
| ·不同剪枝技术下实验结果比较 | 第76-77页 |
| ·训练集和测试集上实验结果的比较 | 第77-78页 |
| ·代价敏感决策树测试代价和误分类代价之间的关系 | 第78-79页 |
| ·本章小结 | 第79-80页 |
| 第6章 代价敏感决策树的概率后剪枝技术 | 第80-92页 |
| ·概率剪枝机制 | 第80-82页 |
| ·静态概率后剪枝 | 第80-81页 |
| ·动态概率后剪枝 | 第81-82页 |
| ·三种属性相关的剪枝策略 | 第82-84页 |
| ·实验与结果分析 | 第84-90页 |
| ·实验设置 | 第84-85页 |
| ·静态概率后剪枝机制 | 第85页 |
| ·动态概率后剪枝机制 | 第85-90页 |
| ·本章小结 | 第90-92页 |
| 第7章 总结与展望 | 第92-96页 |
| ·总结 | 第92-93页 |
| ·未来工作展望 | 第93-96页 |
| 参考文献 | 第96-102页 |
| 附录 代价敏感粗糙集（Cost-sensitive Rough Sets）软件平台 | 第102-106页 |
| 致谢 | 第106-107页 |
| 攻读学位期间取得的科研成果 | 第107页 |