| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·研究背景与意义 | 第8页 |
| ·国内外研究现状及存在的问题 | 第8-10页 |
| ·本文的研究工作及内容安排 | 第10-12页 |
| 2 数据挖掘概述 | 第12-19页 |
| ·数据挖掘的概念 | 第12-13页 |
| ·数据挖掘的任务 | 第13-15页 |
| ·数据挖掘的方法 | 第15-16页 |
| ·数据挖掘的应用 | 第16-19页 |
| 3 粗集基本原理 | 第19-38页 |
| ·粗糙集的基本概念 | 第20-24页 |
| ·知识与不可分辨关系 | 第20-22页 |
| ·粗集中的上近似、下近似与边界 | 第22-24页 |
| ·知识的表达 | 第24-26页 |
| ·知识表达系统 | 第24-25页 |
| ·决策表 | 第25-26页 |
| ·知识的化简 | 第26-31页 |
| ·知识的依赖性 | 第26-28页 |
| ·属性的重要性 | 第28-29页 |
| ·知识的约简和核 | 第29-30页 |
| ·知识的相对约简和相对核 | 第30-31页 |
| ·粗糙度 | 第31页 |
| ·粗集理论的特点 | 第31-32页 |
| ·离散化 | 第32-35页 |
| ·实例分析 | 第35-38页 |
| 4 基于粗神经网络的数据挖掘技术 | 第38-47页 |
| ·BP神经网络 | 第38-42页 |
| ·BP神经网络的结构 | 第38-41页 |
| ·BP神经网络的优缺点 | 第41-42页 |
| ·粗神经网络的生成 | 第42-46页 |
| ·粗神经网络的算法介绍 | 第43-45页 |
| ·粗神经网络的结构 | 第45-46页 |
| ·小结 | 第46-47页 |
| 5 基于粗神经网络的数据挖掘技术在BSTR中的应用 | 第47-55页 |
| ·间歇反应器的结构和特点 | 第47-48页 |
| ·间歇反应特性分析 | 第48-49页 |
| ·本实验室反应器介绍 | 第49-50页 |
| ·粗神经网络在BSTR中的应用 | 第50-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |