封面
声明
摘要
Abstract
目录
1 绪论
1.1 研究背景及意义
1.2 粗糙集知识约简的研究现状
1.3 支持向量机研究的现状
1.3.1 研究问题
1.3.2 支持向量机方法的基本思想
1.3.3 支持向量机的发展与应用
1.4 本文主要工作与组织结构
2 粗糙集理论知识
2.1 粗糙集概述
2.2 粗糙集的相关理论的基本概念
2.2.1 粗糙集的基本定义
2.2.2 上近似、下近似、边界区域和近似性质
2.2.3 粗糙集的隶属关系
2.2.4 近似度
2.3 粗糙集的属性约简
2.3.1 一般约简
2.3.2 相对约简
2.4 知识的依赖性
2.5 决策表
2.6 属性约简的一般方法
2.6.1 基于区分矩阵的属性约简
2.6.2 代数观点的属性约简
2.6.3 信息论观点的属性约简
2.6.4 属性约简的代数观点与信息论观点的比较
2.7 本章小结
3 基于区分矩阵中相同决策属性贡献度的对象约简算法
3.1 信息熵
3.2 基于区分矩阵中相同决策属性贡献度的对象约简算法
3.3 基于区分矩阵中相同决策属性贡献度的对象约简算法步骤
3.4 实例分析
3.5 本章小结
4 支持向量机理论知识
4.1 统计学习理论
4.1.1 机器学习问题
4.1.2 统计学习理论的基本概念
4.2 支持向量机
4.2.1 支持向量机的基本方法
4.2.2 广义线性判别函数
4.2.3 支持向量机分类的具体方法
4.2.4 核函数及其基本性质
4.2.5 常见的支持向量机多类分类方法
4.2.6 数据缩放
4.2.7 交叉检验
4.2.8 支持向量机的训练算法
4.2.9 支持向量机的特点与优点
4.3 本章小结
5 基于信息熵的粗糙集约简与支持向量机相结合的分类算法
5.1 基于条件信息熵的启发式知识约简算法
5.2 支持向量机分类的步骤
5.3 基于信息熵的粗糙集约简与支持向量机相结合的分类算法
5.3.1 粗糙集约简方法与支持向量机相结合的分类模型
5.3.2 粗糙集约简方法与支持向量机相结合的分类算法步骤
5.4 本章小结
6 实验
6.1 实验设计
6.1.1 实验的环境
6.1.2 分类精度评价指标
6.2 实验的结果与性能分析
6.2.1 实验的结果
6.2.2 性能分析
6.3 本章小结
总结与展望
参考文献
攻读硕士期间发表论文
致谢
西北师范大学;