多因素分类问题的差转计算算法及应用
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-14页 |
| 1.1 决策和基于数据的决策问题 | 第10页 |
| 1.2 分类问题及分类算法研究的意义 | 第10-12页 |
| 1.3 研究内容及主要创新点 | 第12-14页 |
| 2 分类算法设计基础 | 第14-31页 |
| 2.1 分类器的概念 | 第14页 |
| 2.2 分类算法设计的基本思想 | 第14-25页 |
| 2.2.1 线性分类器设计的基本思想 | 第14-21页 |
| 2.2.2 非线性分类器设计的基本思想 | 第21-25页 |
| 2.3 模式识别领域若干主流分类算法 | 第25-31页 |
| 2.3.1 目前主流分类器简介 | 第25-28页 |
| 2.3.2 决策树分类器 | 第28-30页 |
| 2.3.3 神经网络分类器 | 第30-31页 |
| 3 差转计算算法设计 | 第31-46页 |
| 3.1 因素空间的基本概念 | 第31-36页 |
| 3.1.1 因素 | 第31-32页 |
| 3.1.2 因素的广义逆 | 第32页 |
| 3.1.3 因素的认知等效 | 第32-33页 |
| 3.1.4 因素的操作系统 | 第33-35页 |
| 3.1.5 因素对分类问题的基本认知 | 第35-36页 |
| 3.2 差转计算算法设计的基本思想 | 第36-38页 |
| 3.3 差转计算的算法描述 | 第38-46页 |
| 3.3.1 算法的基本过程 | 第38-42页 |
| 3.3.2 差转计算算法的知识表达 | 第42-43页 |
| 3.3.3 连续因素的算法修正 | 第43-46页 |
| 4 算法有效性分析 | 第46-58页 |
| 4.1 测试数据集简介以及测试工具的简介 | 第46-47页 |
| 4.2 算法测试的两个案例详析 | 第47-53页 |
| 4.2.1 LSB数据集 | 第47-51页 |
| 4.2.2 UKM数据集 | 第51-53页 |
| 4.3 更多数据集的有效性比较 | 第53-54页 |
| 4.4 测试过程中遇到的问题与初步分析 | 第54-55页 |
| 4.5 差转计算在因素约简问题中的应用 | 第55-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 作者简历 | 第63-65页 |
| 学位论文数据集 | 第65-66页 |
