| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| ·本文研究背景 | 第9-12页 |
| ·相关研究工作进展 | 第12-16页 |
| ·属性约简 | 第12-13页 |
| ·规则提取 | 第13-14页 |
| ·优势关系粗糙集 | 第14-15页 |
| ·决策粗糙集模型 | 第15-16页 |
| ·本文的研究内容与成果 | 第16-18页 |
| ·本文的组织结构 | 第18-19页 |
| 第二章 基于需求语义的泛化属性约简 | 第19-41页 |
| ·引言 | 第19-21页 |
| ·基于需求语义的泛化属性约简定义 | 第21-23页 |
| ·泛化属性约简的性质 | 第23-29页 |
| ·泛化属性约简的存在性 | 第23-24页 |
| ·泛化属性约简的单调性 | 第24页 |
| ·度量函数和阈值的选取 | 第24-26页 |
| ·泛化属性约简的有效性 | 第26-29页 |
| ·一种基于决策语义的属性约简 | 第29-38页 |
| ·决策粗糙集模型基本概念 | 第30-33页 |
| ·基于正区域不变的属性约简的困难 | 第33-35页 |
| ·决策风险最小化属性约简定义 | 第35-36页 |
| ·关于决策风险最小化属性约简的性质及讨论 | 第36-38页 |
| ·本章小结 | 第38-41页 |
| 第三章 基于约简语义的规则提取 | 第41-65页 |
| ·引言 | 第41-42页 |
| ·信息表中的两种规则表达方式 | 第42-47页 |
| ·属性层面上的依赖和属性值层面上的依赖 | 第42-44页 |
| ·基于两种依赖的一些讨论 | 第44-47页 |
| ·信息表中的两种约简 | 第47-59页 |
| ·属性约简 | 第47-53页 |
| ·属性值约简 | 第53-57页 |
| ·属性约简Versus属性值约简 | 第57-59页 |
| ·从约简中提取规则 | 第59-62页 |
| ·生成属性依赖 | 第59页 |
| ·生成属性值规则 | 第59-62页 |
| ·本章小结 | 第62-65页 |
| 第四章 基于序关系语义的增量学习研究 | 第65-87页 |
| ·引言 | 第65-66页 |
| ·优势关系粗糙集模型 | 第66-68页 |
| ·基于优势可辨识矩阵的增量求核算法 | 第68-72页 |
| ·优势可辨识矩阵和求核方法 | 第68-70页 |
| ·基于单个优势可辨识矩阵的增量求核方法 | 第70-71页 |
| ·实验及分析 | 第71-72页 |
| ·基于多优势可辨识矩阵的增量提取规则算法 | 第72-85页 |
| ·多优势可辨识矩阵 | 第73-74页 |
| ·非增量规则提取算法RIDDM | 第74-77页 |
| ·增量规则提取算法INRIDDM | 第77-79页 |
| ·算法和数据之间的实验分析 | 第79-85页 |
| ·本章小结 | 第85-87页 |
| 第五章 基于三枝决策语义的粗糙集方法在垃圾邮件过滤中的应用 | 第87-102页 |
| ·引言 | 第87-88页 |
| ·三枝决策粗糙集在垃圾邮件过滤中的应用 | 第88-96页 |
| ·垃圾邮件过滤问题及研究现状 | 第88页 |
| ·一种基于三枝决策粗糙集的垃圾邮件过滤 | 第88-89页 |
| ·实验及分析 | 第89-96页 |
| ·一种自适应学习阈值的算法 | 第96-100页 |
| ·决策风险最优化问题 | 第97页 |
| ·算法描述 | 第97-99页 |
| ·实验及分析 | 第99-100页 |
| ·本章小结 | 第100-102页 |
| 第六章 结束语 | 第102-105页 |
| ·论文工作总结 | 第102-103页 |
| ·进一步工作 | 第103-105页 |
| 参考文献 | 第105-113页 |
| 附录 参与的科研项目、获得的奖励以及发表和录用的论文 | 第113-116页 |
| 致谢 | 第116-117页 |