带混合属性的神经网络规则提取研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-13页 |
| ·问题的提出及研究意义 | 第9-10页 |
| ·问题的提出 | 第9页 |
| ·研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文的研究目的及研究内容 | 第12-13页 |
| 2 神经网络与分类的基本理论 | 第13-20页 |
| ·神经网络概述 | 第13-17页 |
| ·神经网络的特性 | 第13-14页 |
| ·BP 神经网络概述 | 第14-15页 |
| ·BP 神经网络的激励函数 | 第15-16页 |
| ·BP 网络的学习公式 | 第16-17页 |
| ·分类 | 第17-19页 |
| ·分类的定义 | 第17-18页 |
| ·线性可分与分类超平面 | 第18-19页 |
| ·小结 | 第19-20页 |
| 3 规则提取的历程与算法分类 | 第20-29页 |
| ·萌芽时期与初步发展 | 第20-21页 |
| ·里程碑 | 第21页 |
| ·算法分类 | 第21-28页 |
| ·结构分析型 | 第21-26页 |
| ·功能分析型 | 第26-28页 |
| ·小结 | 第28-29页 |
| 4 分离混合属性的规则提取 | 第29-35页 |
| ·传统方法对混合属性的处理 | 第29页 |
| ·分离混合属性的规则提取 | 第29-34页 |
| ·训练和剪枝神经网络 | 第30-31页 |
| ·离散化隐层节点的值 | 第31页 |
| ·提取超平面规则 | 第31-32页 |
| ·分离连续属性和离散属性 | 第32-33页 |
| ·实验 | 第33-34页 |
| ·小结 | 第34-35页 |
| 5 带模糊语义的规则提取 | 第35-43页 |
| ·模糊集合与隶属函数 | 第35-37页 |
| ·不确定性和不精确性 | 第35页 |
| ·模糊集合 | 第35-36页 |
| ·隶属函数 | 第36-37页 |
| ·基于模糊语义离散化连续属性 | 第37-39页 |
| ·离散化过程 | 第37-39页 |
| ·与传统方法的比较 | 第39页 |
| ·带模糊语义的规则提取 | 第39-42页 |
| ·小结 | 第42-43页 |
| 6 总结与展望 | 第43-45页 |
| ·主要结论 | 第43页 |
| ·后续研究工作的展望 | 第43-45页 |
| ·提取分类规则以外的其他应用规则 | 第43-44页 |
| ·规则提取与最优化过程 | 第44页 |
| ·人脑规则提取机制 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 附录 | 第50页 |
