| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景和意义 | 第9-11页 |
| ·不确定数据 | 第9-10页 |
| ·PU（Positive and Unlabeled）学习 | 第10页 |
| ·不确定数据上的 PU 学习 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·国内研究现状 | 第11页 |
| ·国外研究现状 | 第11-13页 |
| ·研究内容 | 第13页 |
| ·论文组织结构 | 第13-15页 |
| 第二章 领域相关工作研究 | 第15-27页 |
| ·不确定数据的描述 | 第15-16页 |
| ·不确定数据的模型 | 第16-18页 |
| ·不确定连续数据的模型 | 第16-18页 |
| ·不确定离散数据的模型 | 第18页 |
| ·PU 学习 | 第18-22页 |
| ·决策树算法 | 第19-20页 |
| ·POSC4.5 算法 | 第20-22页 |
| ·两步走策略 | 第22页 |
| ·不确定数据的决策树算法 | 第22-26页 |
| ·不确定决策树的构造 | 第22-25页 |
| ·不确定决策树的分类 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 离散属性的不确定数据的 PU 学习 | 第27-41页 |
| ·数据模型定义 | 第27页 |
| ·分类属性的选择 | 第27-29页 |
| ·概率势 | 第27-28页 |
| ·属性选择的定义 | 第28-29页 |
| ·DTUC-PU 算法 | 第29-32页 |
| ·DTUC-PU 算法的构建 | 第29-31页 |
| ·树的选择 | 第31-32页 |
| ·实验结果及分析 | 第32-40页 |
| ·实验数据集构造 | 第32-33页 |
| ·实验评价指标 | 第33-34页 |
| ·实验分析 | 第34-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 连续属性的不确定数据的 PU 学习 | 第41-53页 |
| ·数据模型定义 | 第41页 |
| ·分裂属性的选择 | 第41-44页 |
| ·概率势 | 第41-43页 |
| ·属性选择的定义 | 第43-44页 |
| ·DTUN-PU 算法 | 第44-46页 |
| ·建树方法 | 第44-46页 |
| ·分类方法 | 第46页 |
| ·实验结果及分析 | 第46-52页 |
| ·实验数据集的构造及评价指标 | 第46-47页 |
| ·各参数对实验的影响 | 第47-49页 |
| ·对比实验 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 结论与展望 | 第53-55页 |
| ·结论 | 第53页 |
| ·展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59页 |