| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第13-28页 |
| 1.1 多类型属性的知识约简研究意义 | 第13-14页 |
| 1.2 粗糙集理论的发展与研究现状 | 第14-18页 |
| 1.2.1 租糙集理论的发展 | 第14-16页 |
| 1.2.2 粗糙集理论研究现状 | 第16-18页 |
| 1.3 粗糙集理论知识点 | 第18-25页 |
| 1.3.1 粗糙集的基本概念 | 第18-21页 |
| 1.3.2 粗糙集的数字特征 | 第21-23页 |
| 1.3.3 知识约简 | 第23-25页 |
| 1.4 本文的研究背景及主要内容 | 第25-28页 |
| 1.4.1 研究背景 | 第25-26页 |
| 1.4.2 主要研究内容 | 第26页 |
| 1.4.3 本文组织结构 | 第26-28页 |
| 第二章 度量空间中的邻域粗糙模型 | 第28-41页 |
| 2.1 问题的提出 | 第28-29页 |
| 2.2 基于邻域的粗糙模型 | 第29-35页 |
| 2.2.1 度量空间的几个概念 | 第29-32页 |
| 2.2.2 邻域粗糙模型 | 第32-35页 |
| 2.3 邻域决策表粗糙性分析 | 第35-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第三章 多类型属性的完备信息系统通用约简算法 | 第41-60页 |
| 3.1 问题的提出 | 第41页 |
| 3.2 简析典型的信息系统属性约简算法 | 第41-47页 |
| 3.2.1 信息系统的基本概念 | 第42页 |
| 3.2.2 基于Pawlak属性重要度的属性约简算法 | 第42-44页 |
| 3.2.3 基于Skowron差别矩阵的属性约简算法 | 第44-46页 |
| 3.2.4 基于信息熵的属性约简算法 | 第46-47页 |
| 3.3 标准粒子群优化算法 | 第47-52页 |
| 3.3.1 基本粒子群优化算法 | 第48-50页 |
| 3.3.2 基本粒子群优化算法的社会行为分析 | 第50-51页 |
| 3.3.3 带惯性权重的PSO算法 | 第51-52页 |
| 3.4 基于标准PSO算法的完备信息系统通用约简算法 | 第52-56页 |
| 3.4.1 SPGRA算法描述 | 第52-55页 |
| 3.4.2 SPGRA算法复杂性分析 | 第55-56页 |
| 3.5 实验结果及分析 | 第56-59页 |
| 3.5.1 实验环境和数据 | 第56页 |
| 3.5.2 实验1：启发式算法不能解决的最优约简 | 第56-57页 |
| 3.5.3 实验2：求解多类型属性的约简 | 第57-58页 |
| 3.5.4 实验3：求解UCI数据集的约简 | 第58-59页 |
| 3.6 本章小结 | 第59-60页 |
| 第四章 基于邻域粗糙模型的决策表次优约简算法 | 第60-76页 |
| 4.1 问题的提出 | 第60页 |
| 4.2 果蝇优化算法 | 第60-63页 |
| 4.2.1 FOA算法提出的背景 | 第61页 |
| 4.2.2 FOA算法描述 | 第61-63页 |
| 4.3 基于FOA算法的决策表次优约简算法 | 第63-66页 |
| 4.3.1 基于FOA的决策表次优约简算法描述 | 第64-66页 |
| 4.3.2 NBH_SFR算法时间复杂度分析 | 第66页 |
| 4.4 实验结果及分析 | 第66-74页 |
| 4.4.1 实验环境和数据 | 第66页 |
| 4.4.2 δ算子定值下的约简长度变化趋势 | 第66-67页 |
| 4.4.3 δ算子大小对约简结果的影响 | 第67-70页 |
| 4.4.4 δ算子与决策依赖度γ_P(D)的关系 | 第70-71页 |
| 4.4.5 次优约简的δ算子计算公式 | 第71-73页 |
| 4.4.6 种群规模、迭代次数对约简结果的影响 | 第73-74页 |
| 4.5 本章小结 | 第74-76页 |
| 第五章 基于邻域粗糙模型的高维数据集快速约简算法 | 第76-91页 |
| 5.1 问题的提出 | 第76-77页 |
| 5.2 固有维数估算方法简述 | 第77-81页 |
| 5.2.1 极大似然估计方法MLE | 第77-79页 |
| 5.2.2 包数方法PN | 第79-81页 |
| 5.3 基于标准PSO算法的决策表快速约简算法 | 第81-84页 |
| 5.3.1 标准粒子群约简算法SPRA | 第81-83页 |
| 5.3.2 快速标准粒子群约简算法QSPRA | 第83页 |
| 5.3.3 QSPRA算法的时间复杂度分析 | 第83-84页 |
| 5.4 实验结果及分析 | 第84-89页 |
| 5.4.1 各种固有维数估算方法的预测 | 第84-86页 |
| 5.4.2 QSPRA与SPRA算法的对比 | 第86-87页 |
| 5.4.3 种群规模、迭代次数对约简结果的影响 | 第87-89页 |
| 5.5 本章小结 | 第89-91页 |
| 第六章 基于约简的多分类器融合算法研究 | 第91-113页 |
| 6.1 问题的提出 | 第91页 |
| 6.2 机器学习中的特征选择简述 | 第91-97页 |
| 6.2.1 特征选择的发展 | 第92-94页 |
| 6.2.2 典型特征选择算法介绍 | 第94-96页 |
| 6.2.3 特征选择的主要研究方向 | 第96-97页 |
| 6.3 多元统计分析相关技术 | 第97-101页 |
| 6.3.1 主成分分析PCA | 第97-98页 |
| 6.3.2 核主成分分析KPCA | 第98-101页 |
| 6.3.3 样本相似度的度量 | 第101页 |
| 6.4 基于约简的多分类器融合算法 | 第101-104页 |
| 6.4.1 特征空间的划分 | 第101-102页 |
| 6.4.2 基于约简的多分类器融合算法 | 第102-104页 |
| 6.4.3 kRSP算法时间复杂度分析 | 第104页 |
| 6.5 实验结果及分析 | 第104-112页 |
| 6.5.1 关于交叉验证的说明 | 第105页 |
| 6.5.2 约简子空间与分类精度的关系 | 第105-107页 |
| 6.5.3 融合子空间与其他特征子空间对分类器性能的影响 | 第107-109页 |
| 6.5.4 样本相似度对分类精度的影响 | 第109-110页 |
| 6.5.5 算法kRSP与SVM、CART算法的性能对比 | 第110-112页 |
| 6.6 本章小结 | 第112-113页 |
| 第七章 总结与展望 | 第113-116页 |
| 7.1 全文总结 | 第113-114页 |
| 7.2 研究展望 | 第114-116页 |
| 参考文献 | 第116-126页 |
| 作者在攻读博士学位期间公开发表的论文 | 第126-127页 |
| 作者在攻读博士学位期间参加的项目 | 第127-128页 |
| 致谢 | 第128-129页 |
