文摘
英文文摘
1 绪论
1.1 课题研究背景和意义
1.2 国内外研究现状
1.2.1 模式识别中数据选择方法的研究历史与现状
1.2.2 经典数据选择方法的回顾与评价
1.3 本文的主要研究内容
2 预备知识
2.1 模式识别
2.1.1 模式识别系统
2.1.2 有监督和无监督分类
2.1.3 K均值聚类
2.1.4 K近邻分类器
2.2 模糊数学知识
2.2.1 模糊集合与隶属函数
2.2.2 模糊K近邻分类器
2.3 数据选择方法
2.3.1 不理想数据的概念
2.3.2 数据的剪辑近邻法
2.3.3 数据的压缩近邻法
2.4 本章小结
3 改进的过滤样本方法
3.1 用特征分量来过滤样本
3.1.1 特征分量的处理
3.1.2 加权的特征属性
3.1.3 实验结果
3.2 改进的剪辑K近邻分类器
3.2.1 改进的剪辑近邻法
3.2.2 比较实验
3.3 本章小结
4 基于K均值聚类的数据选择
4.1 过滤样本的背景
4.2 用交集找出稳定的数据
4.3 样本选择后的模糊K近邻分类器
4.3.1 训练集的初始隶属度
4.3.2 基于修正的训练集的模糊K近邻分类器
4.4 实验
4.4.1 实验数据
4.4.2 实验结果和分析
4.5 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢