基于进化算法的分类规则挖掘研究
| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-17页 |
| 1.1 研究的背景及意义 | 第7-8页 |
| 1.2 分类常用方法 | 第8-12页 |
| 1.2.1 基于决策树的分类 | 第9-10页 |
| 1.2.2 贝叶斯分类 | 第10页 |
| 1.2.3 神经网络分类 | 第10-11页 |
| 1.2.4 k-近邻分类 | 第11-12页 |
| 1.3 基于规则的分类 | 第12-15页 |
| 1.3.1 使用规则分类 | 第12-14页 |
| 1.3.2 从决策树中抽取规则 | 第14页 |
| 1.3.3 基于顺序覆盖算法的规则归纳 | 第14-15页 |
| 1.3.4 利用遗传算法挖掘规则 | 第15页 |
| 1.4 本文研究工作及主要成果 | 第15-17页 |
| 第二章 基于进化算法的分类规则挖掘 | 第17-31页 |
| 2.1 进化算法概述 | 第17-25页 |
| 2.1.1 进化算法的主要分支 | 第18-20页 |
| 2.1.2 进化算法基本描述 | 第20-24页 |
| 2.1.3 种群多样性和小生境 | 第24-25页 |
| 2.2 基于进化算法的分类规则挖掘 | 第25-30页 |
| 2.2.1 个体编码 | 第25-28页 |
| 2.2.2 遗传操作算子 | 第28-29页 |
| 2.2.3 适应值函数设计 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 多种群协同进化规则挖掘算法 | 第31-42页 |
| 3.1 多种群协同进化 | 第31-35页 |
| 3.1.1 简介 | 第31页 |
| 3.1.2 协同进化子部分 | 第31-32页 |
| 3.1.3 现有的协同进化方法 | 第32-33页 |
| 3.1.4 多种群协同进化模型结构 | 第33-35页 |
| 3.2 多种群协同进化的分类规则挖掘算法描述 | 第35-39页 |
| 3.2.1 算法结构 | 第35-36页 |
| 3.2.2 个体编码 | 第36-37页 |
| 3.2.3 遗传算子 | 第37-38页 |
| 3.2.4 适应值评价 | 第38页 |
| 3.2.5 种群数量的自适应调整 | 第38-39页 |
| 3.3 实验结果分析 | 第39-41页 |
| 3.3.1 实验数据集 | 第39-40页 |
| 3.3.2 试验结果和对比 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于新的评价策略的协同进化规则挖掘算法 | 第42-51页 |
| 4.1 问题概述 | 第42-43页 |
| 4.2 相关工作 | 第43页 |
| 4.3 算法描述 | 第43-46页 |
| 4.3.1 个体编码和遗传算子 | 第43-44页 |
| 4.3.2 适应值函数 | 第44-45页 |
| 4.3.3 新的评价方法 | 第45-46页 |
| 4.4 实验结果分析 | 第46-50页 |
| 4.4.1 实验设置 | 第46-47页 |
| 4.4.2 实验一 | 第47-49页 |
| 4.4.3 实验二 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 全文总结 | 第51-52页 |
| 5.2 存在的问题及研究前景 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 发表论文和科研情况说明 | 第56-57页 |
| 致谢 | 第57页 |
