| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·选题背景 | 第7-8页 |
| ·研究现状 | 第8-9页 |
| ·本文主要工作 | 第9页 |
| ·论文组织结构 | 第9-11页 |
| 第二章 分类挖掘与k近邻算法概述 | 第11-19页 |
| ·分类挖掘的定义 | 第12页 |
| ·分类挖掘的主要方法 | 第12-14页 |
| ·k近邻算法概述 | 第14-16页 |
| ·k近邻算法研究现状 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 基于模拟退火的组合k近邻分类算法 | 第19-31页 |
| ·组合分类器理论 | 第19-23页 |
| ·模拟退火算法 | 第23-25页 |
| ·基于模拟退火的组合k近邻分类算法及仿真实验 | 第25-30页 |
| ·基于模拟退火的组合k近邻分类算法 | 第25-26页 |
| ·实验环境和实验数据简介 | 第26-27页 |
| ·仿真实验 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于改进的模拟退火的组合k近邻分类算法 | 第31-37页 |
| ·模拟退火算法的缺陷及相关参数 | 第31-33页 |
| ·基于改进模拟退火的特征选择算法 | 第33-34页 |
| ·基于改进的模拟退火的组合k近邻分类器及仿真实验 | 第34-36页 |
| ·模拟退火的组合k近邻分类算法的改进算法 | 第34页 |
| ·仿真试验 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 基于模糊粗糙集的快速k近邻分类算法 | 第37-49页 |
| ·基本理论 | 第37-40页 |
| ·模糊集理论概述 | 第37页 |
| ·粗糙集理论概述 | 第37-40页 |
| ·模糊粗糙集理论 | 第40-41页 |
| ·P-tree数据结构 | 第41-43页 |
| ·基于模糊粗糙集的快速k近邻分类算法及仿真 | 第43-48页 |
| ·基于模糊粗糙集的快速k近邻分类算法—FFRNN算法 | 第45-46页 |
| ·仿真实验 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 总结和展望 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 攻读硕士学位期间的研究成果及参加的科研项目 | 第57-58页 |
| 致谢 | 第58-59页 |