弱可用数据上的分类算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 选题背景以及研究意义 | 第9-11页 |
| 1.2 不完整数据分类的研究现状 | 第11-16页 |
| 1.2.1 问题定义 | 第11页 |
| 1.2.2 数据缺失的机制 | 第11-13页 |
| 1.2.3 不完整数据分类的研究综述 | 第13-16页 |
| 1.3 噪声数据分类的研究现状 | 第16-20页 |
| 1.3.1 噪声鲁棒的分类算法 | 第17页 |
| 1.3.2 基于清洗和修复的方法 | 第17-18页 |
| 1.3.3 融合噪声信息的方法 | 第18-20页 |
| 1.4 论文组织结构 | 第20-21页 |
| 第2章 基于区间集合的不完整数据分类算法 | 第21-35页 |
| 2.1 问题定义及区间集合的基本理论 | 第21-24页 |
| 2.1.1 问题定义 | 第21-22页 |
| 2.1.2 区间集合的基本理论 | 第22-24页 |
| 2.2 数据完整性定义 | 第24-26页 |
| 2.2.1 基本完整性定义 | 第24页 |
| 2.2.2 基于信息增益的完整性 | 第24-26页 |
| 2.3 不完整数据上基于区间集的分类算法 | 第26-31页 |
| 2.3.1 类别的内涵与外延 | 第26-27页 |
| 2.3.2 简单的分类规则学习算法 | 第27-28页 |
| 2.3.3 启发式分类规则学习算法 | 第28-31页 |
| 2.4 实验结果及分析 | 第31-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 基于信息论的不完整数据分类算法 | 第35-49页 |
| 3.1 问题定义及相关概念 | 第35-37页 |
| 3.1.1 信息论的基本概念 | 第35-37页 |
| 3.1.2 分类问题的信息论描述 | 第37页 |
| 3.2 ITC：完整数据上基于信息论的分类 | 第37-43页 |
| 3.3 ITCI: 不完整数据上基于信息论的分类 | 第43-45页 |
| 3.3.1 统计量估计 | 第43-45页 |
| 3.3.2 缺失属性的参数估计 | 第45页 |
| 3.4 实验及结果分析 | 第45-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 基于 EM 算法的噪声数据分类 | 第49-63页 |
| 4.1 EM 算法与相关概念 | 第49-51页 |
| 4.2 噪声模型及其分类 | 第51-53页 |
| 4.2.1 噪声模型 | 第51-52页 |
| 4.2.2 噪声的分类 | 第52-53页 |
| 4.3 已知转移矩阵时的分类模型 | 第53-55页 |
| 4.4 概率矩阵未知时的分类模型 | 第55-59页 |
| 4.4.1 E 步求解 | 第55-57页 |
| 4.4.2 M 步求解 | 第57页 |
| 4.4.3 EM 算法求解噪声模型 | 第57-59页 |
| 4.5 实验结果及分析 | 第59-62页 |
| 4.5.1 噪声对参数估计的影响 | 第59-61页 |
| 4.5.2 噪声对精确度的影响 | 第61-62页 |
| 4.5.3 噪声对于精度偏差的影响 | 第62页 |
| 4.6 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间发表的论文 | 第70-72页 |
| 致谢 | 第72页 |
