第一章 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 KNN的研究现状
1.2.2 BPA生成的研究现状
1.2.3 证据理论的研究现状
1.3 本文的主要研究工作
1.4 本文组织结构
1.5 本章小结
第二章 基于贡献度和特征加权的KNN
2.1 KNN算法概述
2.1.1 KNN的基本流程
2.1.2 KNN存在问题
2.1.3 主要改进方法
2.2 改进的KNN算法
2.2.1 特征权重的确定
2.2.2 类贡献度
2.2.3 基于类贡献度和特征加权的KNN
2.3 实验与分析
2.4 本章小结
第三章 基于核密度估计的基本概率指派生成方法
3.1 相关知识
3.1.1 BPA相关理论
3.1.2 核密度估计
3.2 改进的BPA生成方法
3.2.1 基于最优化窗宽的属性KDE模型
3.2.2 Tri-D值
3.2.3 BPA生成
3.3 实验与分析
3.3.1 Iris示例实验
3.3.2 核函数和窗宽的选择
3.3.3 UCI数据集上的分类实验
3.4 本章小结
第四章 基于共信度改进的D-S证据组合方法
4.1 D-S组合方法
4.1.1 D-S组合方法基本概念
4.1.2 D-S组合方法存在问题
4.1.3 现有解决方法
4.2 改进的D-S组合方法
4.2.1 证据可信度
4.2.2 证据不可信度
4.2.3 基于共信度的证据修正
4.3 实验与分析
4.3.1 无冲突和有冲突证据对比
4.3.2 单焦元证据实验
4.3.3 多焦元证据实验
4.4 本章小结
第五章 改进的D-S证据理论在网络证据融合中的应用
5.1 基本准备
5.1.1 KDDCUP99数据集介绍
5.1.2 实验思路及评价标准
5.2 应用过程
5.3 本章小结
第六章 总结与展望
6.1 工作总结
6.2 工作展望
参考文献
攻读硕士学位期间的主要成果
致谢