包邮粗糙集分类模型及特征选择算法研究

目 录 1 绪论 ／ １ 1.1 研究背景和意义 ／ １ 1.2 分类技术研究 ／ ３ 1.2.1 决策树方法 ／ ３ 1.2.1.1 ＩＤ３ 算法 ／ ４ 1.2.1.2 Ｃ４.５ 算法 ／ ４ 1.2.1.3 ＣＡＲＴ 算法 ／ ５ 1.2.1.4 其他算法 ／ ５ 1.2.2 神经网络方法 ／ ５ 1.2.3 贝叶斯方法 ／ ７ 1.2.3.１ *大后验概率贝叶斯分类模型 ／ ８ 1.2.3.２ *大似然比贝叶斯分类模型 ／ ８ 1.2.3.３ *小风险贝叶斯分类模型 ／ ８ 1.2.４ 支持向量机方法 ／ ９ 1.2.５ Ｋ－*近邻方法 ／ １０ 1.2.６ 粗糙集方法 ／ １１ 1.3 粗糙集理论研究现状 ／ １２ 1.3.1 粗糙集分类模型 ／ １２ 1.3.1.1 ＢＲＥＭ 模型 ／ １３ 1.3.1.2 ＳＯＥＭ 模型 ／ １４ 1.3.1.3 ＴＳＥＭ 模型 ／ １４ 1.3.2 特征选择算法 ／ １５ 1.3.2.1 ＤＭＦＳ 算法 ／ １５ 1.3.2.2 ＰＲＦＳ 算法 ／ １６ 1.3.2.3 ＩＶＦＳ 算法 ／ １７ 1.3.2.4 ＧＣＦＳ 算法 ／ １７ 1.3.3 粗糙集理论应用 ／ １８ 1.3.3.1 Ｒｏｕｇｈ Ｅｎｏｕｇｈ ／ １８ 1.3.3.2 ＫＤＤ－Ｒ ／ １８ 1.3.3.3 ＲＯＳＥ ／ １８ 1.3.3.4 ＬＥＲＳ ／ １９ 1.3.4 粗糙集分类的困难与挑战 ／ １９ 1.3.4.1 粗糙集分类模型的扩展问题 ／ １９ 1.3.4.2 属性约简算法效率问题 ／ １９ 1.3.4.3 知识的不确定性度量问题 ／ ２０ 1.3.4.4 粗糙集分类方法的应用推广问题 ／ ２０ 1.4 研究内容 ／ ２０ 1.5 本书结构 ／ ２３ 2 正向宏近似分类模型 ／ ２４ 2.1 引论 ／ ２４ 2.2 ＴＲＳＭ 模型 ／ ２５ 2.3 ＭＡＲＳ 模型 ／ ２７ 2.3.1 不一致容差块集 ／ ２７ 2.3.2 构建 ＭＡＲＳ 模型 ／ ２８ 2.4 Ｐ－ＭＡＲＳ 模型 ／ ３０ 2.4.1 分解算子 ／ ３０ 2.4.2 构建 Ｐ－ＭＡＲＳ 模型 ／ ３２ 2.4.3 Ｐ－ＭＡＲＳ 模型示例 ／ ３６ 2.5 基于 Ｐ－ＭＡＲＳ 模型的特征选择 ／ ３８ 2.5.1 边界度量的属性重要度 ／ ３９ 2.5.2 边界评估的约简准则 ／ ３９ 2.5.3 ＰＭＦＳ 算法 ／ ４０ 2.6 实验分析 ／ ４２ 2.6.1 数据集 ／ ４２ 2.6.2 相关算法 ／ ４２ 2.6.3 特征子集分析 ／ ４３ 2.6.4 时间效率分析 ／ ４４ 2.7 小结 ／ ４７ 3 邻域划分分类模型 ／ ４８ 3.1 引论 ／ ４８ 3.2 ＮＲＳＭ 模型 ／ ５０ 3.3 ＮＤＲＳ 模型 ／ ５３ 3.4 ＮＰＤＭ 模型 ／ ５４ 3.4.2 邻域划分 ／ ５４ 3.4.2 ＮＰＤＭ 模型描述 ／ ５７ 3.4.3 基于 ＮＰＤＭ 模型的多粒度分析 ／ ６０ 3.5 基于 ＮＰＤＭ 模型的特征选择 ／ ６２ 3.5.1 ＮＰＲＣ 评估方法 ／ ６２ 3.5.1.1 三种典型的属性评估方法 ／ ６３ 3.5.1.2 ＮＰＲＣ 评估方法 ／ ６５ 3.5.1.3 评估方法示例 ／ ６７ 3.5.2 ＵＢ－ｔｒｅｅ 模型 ／ ７０ 3.5.2.1 相关概念和性质 ／ ７０ 3.5.2.2 ＵＢ－ｔｒｅｅ 模型 ／ ７２ 3.5.2.3 ＵＢＮＣ 算法 ／ ７４ 3.5.3 ＮＰＦＳ 算法 ／ ７５ 3.6 实验分析 ／ ７８ 3.6.1 确定邻域半径的取值范围 ／ ７８ 3.6.2 属性评估方法比较 ／ ８０ 3.6.3 特征选择算法比较 ／ ８０ 3.6.3.1 特征子集及其基数比较 ／ ８０ 3.6.3.2 分类精度比较 ／ ８２ 3.6.3.3 运行时间比较 ／ ８３ 3.7 小节 ／ ８４ 4 强化一致优势分类模型 ／ ８５ 4.1 引论 ／ ８５ 4.2 ＤＲＳＡ 模型 ／ ８６ 4.3 ＥＣ－ＤＲＳＡ 模型 ／ ８９ 4.3.1 优势类和劣势类的决策区 ／ ８９ 4.3.2 对象的相对一致性 ／ ９１ 4.3.3 对象的强化一致优势度 ／ ９２ 4.3.4 ＥＣ－ＤＲＳＡ 模型描述 ／ ９４ 4.3.5 实例分析 ／ ９５ 4.3.5.1 ＤＲＳＡ 模型 ／ ９６ 4.3.5.2 ＶＣ－ＤＲＳＡ 模型 ／ ９８ 4.3.5.3 ＶＰ－ＤＲＳＡ 模型 ／ ９９ 4.3.5.4 ＥＣ－ＤＲＳＡ 模型 ／ １００ 4.4 ＥＣ－ＤＲＳＡ 模型的约简 ／ １０１ 4.4.1 １１ 种约简及其相互关系 ／ １０２ 4.4.2 基于组合粗糙熵的属性约简 ／ １０７ 4.4.2.1 组合粗糙熵 ／ １０７ 4.4.2.2 属性重要度度量 ／ １０９ 4.4.2.3 ＣＲＥＡＲ 算法 ／ １０９ 4.4.3 实例分析 ／ １１０ 4.5 小节 ／ １１３ 5 混合数据分类模型及其在态势评估系统中的应用 ／ １１４ 5.1 引论 ／ １１４ 5.2 ＨＤＲＳ 模型 ／ １１５ 5.3 ＨＤＲＳ 模型在面向统一场的态势评估系统中的应用 ／ １１６ 5.3.1 统一场概述 ／ １１６ 5.3.2 面向统一场的态势评估系统 ／ １１８ 5.3.3 基于 ＨＤＲＳ 模型的威胁评估 ／ １２０ 5.3.4 威胁评估系统设计与实现 ／ １２５ 5.4 小节 ／ １２８ 6 总结与展望 ／ １３０ 6.1 研究总结 ／ １３０ 6.2 未来工作展望 ／ １３３ 参考文献 ／ １３５ 附录一 主要符号对照表 ／ １４８ 附录二 数据安全技术 数据分类分级规则 ／ １５１