| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 研究背景和动机 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-21页 |
| 1.2.1 信任函数与证据组合 | 第17-18页 |
| 1.2.2 信任函数与机器学习 | 第18-20页 |
| 1.2.3 连续信任函数 | 第20-21页 |
| 1.2.4 小结 | 第21页 |
| 1.3 内容与结构安排 | 第21-24页 |
| 第二章 基础知识 | 第24-32页 |
| 2.1 信任函数理论 | 第24-28页 |
| 2.1.1 常用概念 | 第24-26页 |
| 2.1.2 证据似然函数 | 第26-27页 |
| 2.1.3 证据EM算法 | 第27-28页 |
| 2.2 决策树 | 第28-32页 |
| 第三章 基于证据似然函数的数据质量衡量方法 | 第32-50页 |
| 3.1 证据似然函数与数据质量 | 第32-38页 |
| 3.1.1 方法总述 | 第32-34页 |
| 3.1.2 多项分布数据的轮廓函数性质分析 | 第34-36页 |
| 3.1.3 影响因素的定性分析 | 第36-38页 |
| 3.2 非特异性测度量化数据质量 | 第38-42页 |
| 3.2.1 证据似然函数与非特异性测度 | 第38-40页 |
| 3.2.2 方法一：基于向量距离的一致质量函数近似方法 | 第40-41页 |
| 3.2.3 方法二：基于水平集的一致质量函数近似方法 | 第41-42页 |
| 3.3 基于非特异性测度分离的数据质量衡量方法 | 第42-49页 |
| 3.3.1 非特异性测度分离方法 | 第42-44页 |
| 3.3.2 实例分析和说明 | 第44-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 主动信任分类树的构建 | 第50-80页 |
| 4.1 思路介绍和基本概念提出 | 第50-53页 |
| 4.1.1 主动信任分类树基本思路 | 第50-52页 |
| 4.1.2 信息熵区间的生成 | 第52-53页 |
| 4.2 属性选择和分裂策略 | 第53-59页 |
| 4.3 查询策略 | 第59-62页 |
| 4.4 停止准则和算法总述 | 第62-63页 |
| 4.5 UCI数据集实验验证 | 第63-74页 |
| 4.5.1 完全无知样本实验结果和分析 | 第65页 |
| 4.5.2 不精确样本实验结果和分析 | 第65-67页 |
| 4.5.3 不确定和噪声样本实验结果和分析 | 第67-70页 |
| 4.5.4 进一步实验 | 第70-72页 |
| 4.5.5 关于非特异性测度用于分类树学习的讨论 | 第72-74页 |
| 4.6 本章小结 | 第74-80页 |
| 第五章 考虑信息源可靠性的连续识别框架信息融合 | 第80-96页 |
| 5.1 连续域信息融合方法 | 第80-82页 |
| 5.1.1 连续域信任函数概述 | 第80-82页 |
| 5.1.2 考虑信息源可靠性的信息融合 | 第82页 |
| 5.2 有限区间焦元质量函数的距离衡量方法 | 第82-87页 |
| 5.2.1 问题设定 | 第83-84页 |
| 5.2.2 方法提出 | 第84-85页 |
| 5.2.3 数值算例分析 | 第85-87页 |
| 5.3 证据距离与折扣生成 | 第87-90页 |
| 5.4 连续域情景折扣 | 第90-94页 |
| 5.4.1 连续域标准分解 | 第91-92页 |
| 5.4.2 定义提出 | 第92-94页 |
| 5.4.3 连续域情景折扣方法 | 第94页 |
| 5.5 本章小结 | 第94-96页 |
| 第六章 信任回归树与信任线性模型树研究 | 第96-114页 |
| 6.1 信任回归树学习方法 | 第97-104页 |
| 6.1.1 属性选择策略 | 第97-101页 |
| 6.1.2 信任回归树整体构建流程 | 第101-104页 |
| 6.2 连续变量的证据似然函数及线性回归参数估计 | 第104-108页 |
| 6.2.1 不确定数据线性回归的问题描述 | 第104-105页 |
| 6.2.2 基于E~2M算法的线性回归参数估计 | 第105-108页 |
| 6.3 信任线性模型树学习方法 | 第108-113页 |
| 6.3.1 属性选择策略 | 第109-110页 |
| 6.3.2 信任线性模型树构建流程 | 第110-113页 |
| 6.4 本章小结 | 第113-114页 |
| 第七章 结束语 | 第114-118页 |
| 7.1 主要工作与贡献 | 第114-115页 |
| 7.2 主要创新点 | 第115-116页 |
| 7.3 研究前景展望 | 第116页 |
| 7.4 研究心得与体会 | 第116-118页 |
| 参考文献 | 第118-124页 |
| 致谢 | 第124-126页 |
| 在读期间发表的学术论文与取得的研究成果 | 第126-127页 |