基于粗糙集的数据挖掘模型的研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第7-15页 |
| ·引言 | 第7页 |
| ·数据挖掘在国内外研究和发展现状 | 第7-11页 |
| ·数据挖掘产品发展历史 | 第11页 |
| ·粗糙集的发展和研究状况 | 第11-12页 |
| ·数据挖掘与粗糙集 | 第12-13页 |
| ·本文研究内容 | 第13-14页 |
| ·论文组织结构 | 第14-15页 |
| 第2章 粗糙集理论 | 第15-26页 |
| ·粗糙集理论概述 | 第15-19页 |
| ·知识与不可分辨关系 | 第15页 |
| ·不精确范畴、近似与粗糙集 | 第15-17页 |
| ·粗糙集的非精确性的精度和粗糙度 | 第17-18页 |
| ·粗糙集的粗等价和粗包含 | 第18-19页 |
| ·知识的约简、核、依赖度和属性重要性 | 第19-23页 |
| ·知识的约简和核 | 第19-21页 |
| ·知识的依赖性度量和属性的重要度 | 第21-23页 |
| ·决策表、表的协调性和不协调性 | 第23-26页 |
| 第3章 一种基于粗糙集的数据挖掘模型 | 第26-43页 |
| ·数据挖掘过程 | 第26-27页 |
| ·数据挖掘过程 | 第26页 |
| ·基于粗糙集的数据挖掘模型 | 第26-27页 |
| ·各种属性的约简算法 | 第27-36页 |
| ·区分矩阵法求属性约简 | 第28-30页 |
| ·属性约简的贪婪算法 | 第30-36页 |
| ·规则的提取和规则解释 | 第36-39页 |
| ·规则提取基本算法 | 第36-39页 |
| ·决策规则用于分类未知的数据 | 第39-41页 |
| ·粗糙集挖掘算法和关联规则结合用于决策 | 第41-43页 |
| 第4章 数据泛化 | 第43-52页 |
| ·概念层次型数据的泛化 | 第43-47页 |
| ·连续型属性离散化 | 第47-48页 |
| ·结合数据分布概率的连续属性离散化方法 | 第48-52页 |
| ·方法思想 | 第48页 |
| ·程序实现 | 第48-52页 |
| 第5章 数据挖掘在交通肇事逃逸侦破系统中应用 | 第52-63页 |
| ·交通肇事侦破系统介绍 | 第52-53页 |
| ·案例数据挖掘应用 | 第53-63页 |
| 第6章 结论 | 第63-64页 |
| 第7章 论文难点和创新点 | 第64-65页 |
| ·论文难点 | 第64页 |
| ·论文创新点 | 第64-65页 |
| 攻读学位期间公开发表的论文 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
