| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-12页 |
| ·本文研究背景 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本论文的组织 | 第11-12页 |
| 第2章 数据挖掘相关知识背景 | 第12-23页 |
| ·数据挖掘基本概念与发展趋势 | 第12-13页 |
| ·关联规则提取及主要算法分析 | 第13-17页 |
| ·文本挖掘 | 第17页 |
| ·文本聚类算法 | 第17-23页 |
| 第3章 粒计算理论及其应用 | 第23-29页 |
| ·粒计算理论概述 | 第23-24页 |
| ·粒计算模型与方法 | 第24-26页 |
| ·Fuzzy集理论的粒计算模型 | 第24页 |
| ·Rough集理论的粒计算模型 | 第24-25页 |
| ·集合理论的粒计算模型 | 第25页 |
| ·商空间理论的粒计算模型 | 第25-26页 |
| ·粒计算在数据挖掘中的应用 | 第26-28页 |
| ·粒计算的发展方向 | 第28-29页 |
| 第4章 基于粒计算Web文档聚类 | 第29-38页 |
| ·Web文档建模 | 第29-31页 |
| ·文档粒的构建 | 第31-32页 |
| ·生成频繁项集 | 第32-34页 |
| ·聚类 | 第34-38页 |
| 第5章 基于粒计算高效挖掘决策型关系数据库中关联规则 | 第38-45页 |
| ·引言 | 第38-39页 |
| ·基于粒计算对数据进行建模 | 第39-41页 |
| ·提取关联规则 | 第41-45页 |
| 第6章 实验与评价 | 第45-68页 |
| ·基于粒计算Web文档聚类实验与评价 | 第45-61页 |
| ·数据集采集 | 第45-47页 |
| ·实验数据预处理过程 | 第47-49页 |
| ·数据建模实现过程 | 第49-52页 |
| ·聚类过程 | 第52-54页 |
| ·实验评价方法 | 第54-56页 |
| ·实验结果对比及性能分析 | 第56-60页 |
| ·聚类个数对聚类结果的影响 | 第60-61页 |
| ·基于粒计算与apriori算法提取医学数据集中的关联规则对比实验 | 第61-68页 |
| ·实验数据集的采集 | 第62页 |
| ·基于粒计算提取该数据集中的关联规则结果 | 第62-64页 |
| ·基于apriori算法提取该数据集中的关联规则结果 | 第64-65页 |
| ·实验结果对比及性能分析 | 第65-68页 |
| 第7章 总结与展望 | 第68-71页 |
| ·全文总结 | 第68-69页 |
| ·今后研究工作展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间所发表的论文 | 第76页 |
