基于粗糙集理论的多分类器组合应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文的主要研究内容 | 第12-13页 |
| ·本文的论文结构 | 第13-15页 |
| 第二章 多分类器组合方法 | 第15-32页 |
| ·集成学习 | 第15-19页 |
| ·集成学习的基本概念 | 第15页 |
| ·集成学习的主要方法 | 第15-19页 |
| ·多分类器组合 | 第19-21页 |
| ·多分类器组合需解决的问题 | 第20页 |
| ·多分类器组合的系统结构 | 第20-21页 |
| ·基分类器 | 第21-24页 |
| ·基分类器之间的关系 | 第21-22页 |
| ·基分类器的获得方式 | 第22-23页 |
| ·基分类器的整合方法 | 第23-24页 |
| ·分类器的性能与评价 | 第24-30页 |
| ·分类器的性能度量 | 第24-25页 |
| ·分类器的评价方式 | 第25-28页 |
| ·分类器组合的多样性度量 | 第28-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 粗糙集理论及本文粗糙分类器的构造 | 第32-56页 |
| ·数据挖掘 | 第32-34页 |
| ·数据挖掘的步骤 | 第32-33页 |
| ·数据挖掘的主要功能 | 第33-34页 |
| ·分类技术 | 第34-40页 |
| ·粗糙集理论 | 第40-43页 |
| ·粗糙集约简 | 第43-46页 |
| ·属性约简 | 第43-45页 |
| ·属性值约简 | 第45-46页 |
| ·本文粗糙分类器的构造 | 第46-54页 |
| ·数据预处理 | 第46-50页 |
| ·属性约简 | 第50-53页 |
| ·值约简 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第四章 本文多分类器组合方法及实验分析 | 第56-67页 |
| ·实验数据集 | 第56-58页 |
| ·基于多数投票的多分类器组合方法 | 第58-60页 |
| ·多分类器组合结构图 | 第58-59页 |
| ·实验结果对比 | 第59-60页 |
| ·基于聚类的多分类器组合方法 | 第60-65页 |
| ·相关理论基础 | 第60-61页 |
| ·多分类器组合的结构图 | 第61-62页 |
| ·多分类器组合方法思想 | 第62-64页 |
| ·实验结果对比 | 第64-65页 |
| ·实验结论 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-70页 |
| ·本文总结 | 第67-68页 |
| ·进一步工作 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士期间所发表的论文 | 第74-75页 |
| 致谢 | 第75页 |
