基于粗糙集理论的数据挖掘算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 引言 | 第10-29页 |
| ·数据挖掘概述 | 第10-23页 |
| ·数据清理 | 第11-12页 |
| ·特征选择 | 第12页 |
| ·连续属性离散化 | 第12-13页 |
| ·分类算法 | 第13-18页 |
| ·聚类分析 | 第18-19页 |
| ·集成学习 | 第19-20页 |
| ·关联规则 | 第20-21页 |
| ·时间序列 | 第21-22页 |
| ·文本挖掘和Web挖掘 | 第22-23页 |
| ·粗糙集理论的发展及研究现状 | 第23-27页 |
| ·本文的主要研究内容 | 第27-28页 |
| ·本文的组织结构 | 第28-29页 |
| 第二章 粗糙集及其相关理论 | 第29-42页 |
| ·基于粗糙集理论的知识表达系统 | 第29-31页 |
| ·粗糙集理论的基本概念 | 第31-39页 |
| ·基本概念 | 第31-34页 |
| ·约简和核 | 第34-37页 |
| ·不精确性测度以及属性重要性的度量 | 第37-39页 |
| ·基于粗糙集理论的数据挖掘 | 第39-41页 |
| ·特征选择和属性约简 | 第39页 |
| ·规则获取——属性值约简 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 基于粗糙集理论的特征选择 | 第42-82页 |
| ·特征选择概述 | 第43-56页 |
| ·特征选择的定义 | 第43-44页 |
| ·特征选择的基本框架 | 第44-46页 |
| ·搜索策略 | 第46-49页 |
| ·评价机制与特征子集选择模型 | 第49-56页 |
| ·典型的特征选择方法 | 第56-62页 |
| ·Branch & Bound算法 | 第56-57页 |
| ·Focus算法 | 第57-58页 |
| ·浮动搜索算法 | 第58-60页 |
| ·LVF算法 | 第60-62页 |
| ·基于粗糙集理论的特征选择——属性约简 | 第62-66页 |
| ·由约简定义得到的朴素属性约简算法 | 第62-63页 |
| ·基于分辨矩阵和逻辑运算的属性约简算法 | 第63-64页 |
| ·其它属性约简算法 | 第64-66页 |
| ·基于属性出现频率的启发式属性约简算法 | 第66-74页 |
| ·算法原理 | 第67-71页 |
| ·基于属性出现频率的启发式属性约简算法 | 第71-72页 |
| ·算法的实现及复杂度分析 | 第72-73页 |
| ·实验结果 | 第73-74页 |
| ·基于属性相关度的属性约简算法 | 第74-81页 |
| ·属性相关度的定义 | 第74-76页 |
| ·算法原理 | 第76-78页 |
| ·基于属性相关度的属性约简算法 | 第78-79页 |
| ·算法分析和实验结果 | 第79-81页 |
| ·本章小结 | 第81-82页 |
| 第四章 基于粗糙集理论的数据离散化 | 第82-113页 |
| ·连续属性离散化概述 | 第83-92页 |
| ·离散化问题的描述 | 第83-84页 |
| ·离散化方法的分类 | 第84-85页 |
| ·经典的离散化方法 | 第85-92页 |
| ·候选断点集合的确定 | 第92-99页 |
| ·算法原理 | 第92-96页 |
| ·候选断点集合确定算法 | 第96-97页 |
| ·算法复杂度分析 | 第97-98页 |
| ·实验结果及分析 | 第98-99页 |
| ·基于断点权重的启发式属性离散化算法 | 第99-104页 |
| ·算法原理 | 第99-101页 |
| ·基于断点权重的连续属性离散化算法 | 第101-102页 |
| ·算法分析 | 第102-103页 |
| ·实验结果及分析 | 第103-104页 |
| ·基于DBSCAN聚类的连续属性离散化算法 | 第104-111页 |
| ·DBSCAN算法的相关概念 | 第105-106页 |
| ·算法原理 | 第106-109页 |
| ·基于DBSCAN聚类的连续属性离散化算法 | 第109-110页 |
| ·算法分析和实验结果 | 第110-111页 |
| ·本章小结 | 第111-113页 |
| 第五章 总结与展望 | 第113-115页 |
| ·全文总结 | 第113-114页 |
| ·进一步的工作展望 | 第114-115页 |
| 参考文献 | 第115-127页 |
| 攻读博士学位期间发表的论文 | 第127页 |
| 攻读博士学位期间参与的科研工作 | 第127-128页 |
| 致谢 | 第128-130页 |
