模式分类中数据选择方法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·课题研究背景和意义 | 第8-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·模式识别中数据选择方法的研究历史与现状 | 第10页 |
| ·典数据选择方法的回顾与评价 | 第10-12页 |
| ·本文的主要研究内容 | 第12-13页 |
| 2 预备知识 | 第13-22页 |
| ·模式识别 | 第13-16页 |
| ·模式识别系统 | 第13-14页 |
| ·有监督和无监督分类 | 第14-15页 |
| ·K均值聚类 | 第15-16页 |
| ·K近邻分类器 | 第16页 |
| ·模糊数学知识 | 第16-18页 |
| ·模糊集合与隶属函数 | 第16-17页 |
| ·模糊K近邻分类器 | 第17-18页 |
| ·数据选择方法 | 第18-21页 |
| ·不理想数据的概念 | 第18页 |
| ·数据的剪辑近邻法 | 第18-19页 |
| ·数据的压缩近邻法 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 3 改进的过滤样本方法 | 第22-31页 |
| ·用特征分量来过滤样本 | 第22-27页 |
| ·特征分量的处理 | 第22-24页 |
| ·加权的特征属性 | 第24页 |
| ·实验结果 | 第24-27页 |
| ·改进的剪辑K近邻分类器 | 第27-30页 |
| ·改进的剪辑近邻法 | 第27-28页 |
| ·比较实验 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 4 基于K均值聚类的数据选择 | 第31-41页 |
| ·过滤样本的背景 | 第31页 |
| ·用交集找出稳定的数据 | 第31-34页 |
| ·样本选择后的模糊K近邻分类器 | 第34-36页 |
| ·训练集的初始隶属度 | 第34-35页 |
| ·基于修正的训练集的模糊K近邻分类器 | 第35-36页 |
| ·实验 | 第36-40页 |
| ·实验数据 | 第36-37页 |
| ·实验结果和分析 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 结论 | 第41-42页 |
| 参考文献 | 第42-44页 |
| 攻读硕士学位期间发表学术论文情况 | 第44-45页 |
| 致谢 | 第45页 |
