构造性知识发现方法研究
| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-11页 |
| 第一章 概述 | 第11-29页 |
| §1．1 知识发现及其主要过程 | 第11-14页 |
| §1．2 知识发现中常用的分类方法 | 第14-21页 |
| §1．3 分类学习中的主要问题 | 第21-27页 |
| §1．4 本文的主要工作 | 第27-29页 |
| 第二章 基于覆盖的分类器的构造与改进 | 第29-52页 |
| §2．1 基于覆盖的构造性学习方法的发展 | 第29-37页 |
| §2．2 领域覆盖算法的分析与改进 | 第37-44页 |
| §2．3 覆盖算法学习顺序的选择 | 第44-47页 |
| §2．4 增量覆盖算法和球形领域的约减 | 第47-50页 |
| §2．5 本章小结 | 第50-52页 |
| 第三章 基于rough集覆盖算法 | 第52-65页 |
| §3．1 rough集基本概念 | 第52-58页 |
| §3．2 基于rough集的覆盖算法 | 第58-62页 |
| §3．3 关于加权覆盖的设想 | 第62-64页 |
| §3．4 本章小结 | 第64-65页 |
| 第四章 基于核函数的覆盖算法与溶合 | 第65-92页 |
| §4．1 统计学习的基本理论与支持向量机 | 第65-71页 |
| §4．2 基于径向基核函数覆盖的分类算法 | 第71-76页 |
| §4．3 多侧面分类与核覆盖的集成 | 第76-78页 |
| §4．4 覆盖领域的溶合算法 | 第78-88页 |
| §4．5 覆盖算法的性能分析 | 第88-90页 |
| §4．6 本章小结 | 第90-92页 |
| 第五章 分类学习中的对偶算法 | 第92-103页 |
| §5．1 对偶算法的基本思想 | 第92-97页 |
| §5．2 求划分矩阵的方法 | 第97-99页 |
| §5．3 对偶算法性能与应用分析 | 第99-102页 |
| §5．4 本章小结 | 第102-103页 |
| 第六章 总结与展望 | 第103-107页 |
| §6．1 本文研究的主要内容与创新 | 第103-105页 |
| §6．2 进一步研究的主要方向 | 第105-107页 |
| 参考文献 | 第107-118页 |
| 攻读博士学位期间从事的科研工作及发表的论文 | 第118-120页 |
| 致谢 | 第120页 |
