| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-11页 |
| 1.1 研究背景及意义 | 第6-9页 |
| 1.1.1 不确定数据 | 第6-8页 |
| 1.1.2 不确定数据分类 | 第8-9页 |
| 1.2 本文的研究内容及贡献 | 第9-10页 |
| 1.3 本文组织结构 | 第10-11页 |
| 2 不确定数据分类算法综述 | 第11-22页 |
| 2.1 基于决策树的不确定数据分类算法 | 第11-14页 |
| 2.2 基于朴素贝叶斯的不确定数据分类算法 | 第14-17页 |
| 2.3 基于最近邻的不确定数据分类算法 | 第17-19页 |
| 2.4 其他不确定数据分类算法 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 基于极限学习机（ELM）的不确定数据分类算法 | 第22-38页 |
| 3.1 ELM简介 | 第22-24页 |
| 3.2 基于期望值的ELM不确定数据分类算法（AVG） | 第24-25页 |
| 3.3 基于抽样点的ELM不确定数据分类算法（SELM） | 第25-27页 |
| 3.4 不确定数据建模 | 第27-29页 |
| 3.4.1 不确定数值属性建模 | 第28页 |
| 3.4.2 不确定分类属性建模 | 第28-29页 |
| 3.5 UELM算法 | 第29-37页 |
| 3.5.1 算法分析 | 第29-32页 |
| 3.5.2 激活函数 | 第32-35页 |
| 3.5.3 算法框架 | 第35-36页 |
| 3.5.4 时间复杂度分析 | 第36页 |
| 3.5.5 UELM算法总结 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 4 实验结果与分析 | 第38-51页 |
| 4.1 数据集描述 | 第38-39页 |
| 4.2 不确定数据集生成 | 第39-40页 |
| 4.3 实验参数设置 | 第40页 |
| 4.4 准确率实验结果与分析 | 第40-44页 |
| 4.4.1 基于ELM的不确定数据分类算法对比 | 第41-42页 |
| 4.4.2 UELM与其他类型不确定数据分类算法对比 | 第42-44页 |
| 4.4.3 准确率实验结果总结 | 第44页 |
| 4.5 时间效率实验结果与分析 | 第44-50页 |
| 4.5.1 基于ELM的不确定数据分类算法对比 | 第44-47页 |
| 4.5.2 UELM算法与其他类型不确定数据分类算法对比 | 第47-50页 |
| 4.5.3 时间效率实验结果总结 | 第50页 |
| 4.6 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-58页 |
