摘要 | 第1-12页 |
Abstract | 第12-14页 |
第一章 绪论 | 第14-35页 |
·研究背景和意义 | 第14-16页 |
·课题研究背景 | 第14-15页 |
·课题研究意义 | 第15-16页 |
·粗糙集理论的研究与发展 | 第16-22页 |
·粗糙集理论的产生 | 第16页 |
·粗糙集理论的发展 | 第16-17页 |
·粗糙集理论研究热点 | 第17-22页 |
·粗糙集理论基础知识 | 第22-31页 |
·粗糙集的基本概念 | 第22-25页 |
·不确定性的数字特征 | 第25-26页 |
·约简 | 第26-31页 |
·本文的研究内容与安排 | 第31-35页 |
第二章 基于区分能力的知识不确定性度量方法 | 第35-50页 |
·粗糙集理论中的二元关系 | 第36-38页 |
·信息系统中单属性集的不确定性度量 | 第38-42页 |
·信息系统中多属性集的组合度量 | 第42-49页 |
·同可区分度 | 第42-45页 |
·相对可区分度 | 第45-47页 |
·联合可区分度 | 第47-48页 |
·同可区分度、相对可区分度和联合可区分度间的关系 | 第48-49页 |
·小结 | 第49-50页 |
第三章 一种统一的加权不确定性度量 | 第50-77页 |
·基本知识 | 第50-52页 |
·基于一般二元关系的知识加权不确定性度量 | 第52-64页 |
·基于一般二元关系的α粒度熵及其性质 | 第52-55页 |
·基于一般二元关系的α熵及其性质 | 第55-59页 |
·一般二元关系下不同知识间的不确定性度量 | 第59-61页 |
·加权不确定性度量和现有不确定性度量间的关系 | 第61-64页 |
·基于一般二元关系的粗糙集集成加权不确定性度量 | 第64-75页 |
·现有不确定性度量的缺陷 | 第64-70页 |
·粗糙集集成加权不确定性度量 | 第70-75页 |
·小结 | 第75-77页 |
第四章 基于区分能力观点的属性约简算法 | 第77-106页 |
·基于不可区分度的启发式快速完备约简算法 | 第77-85页 |
·基于不可区分度的属性重要性及其约简 | 第78-80页 |
·基于不可区分度的启发式约简算法 | 第80-82页 |
·实验结果与分析 | 第82-84页 |
·结论 | 第84-85页 |
·基于相对可区分度的属性约简算法 | 第85-105页 |
·现有约简算法的缺陷 | 第86-89页 |
·基于相对可区分度的属性重要性及其约简 | 第89-94页 |
·基于代数观点、信息观点和区分能力观点约简定义间的关系 | 第94-99页 |
·实验分析 | 第99-105页 |
·结论 | 第105页 |
·小结 | 第105-106页 |
第五章 基于区分能力观点的不协调决策表约简算法 | 第106-126页 |
·不协调信息系统的基本知识 | 第107页 |
·不协调决策表约简算法之间的关系 | 第107-111页 |
·高效的不协调决策表约简算法 | 第111-118页 |
·简化协调决策表 | 第111-113页 |
·不协调决策表的约简 | 第113-117页 |
·一种高效的不协调决策表约简算法 | 第117-118页 |
·实验结果及分析 | 第118-125页 |
·实例分析 | 第118-121页 |
·对UCI 数据的处理 | 第121-125页 |
·小结 | 第125-126页 |
第六章 基于一般二元关系的近似属性约简算法 | 第126-143页 |
·一般二元关系下基于区分能力的近似属性约简算法 | 第127-133页 |
·基于区分能力的近似属性约简算法 | 第127-129页 |
·近似约简算法的实例分析 | 第129-133页 |
·一般二元关系下基于加权α精度的加权近似属性约简算法 | 第133-137页 |
·基于加权α精度的近似属性约简算法 | 第133-135页 |
·基于加权α精度的近似约简算法实例分析 | 第135-137页 |
·两种近似参数β和ε对属性约简和分类精度的影响 | 第137-139页 |
·基于加权α精度的多约简组合分类算法 | 第139-142页 |
·基于加权α精度的多约简组合分类算法 | 第140-141页 |
·实验分析 | 第141-142页 |
·小结 | 第142-143页 |
第七章 结论与展望 | 第143-146页 |
致谢 | 第146-148页 |
参考文献 | 第148-166页 |
作者在学期间取得的学术成果 | 第166-167页 |