| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究的目的与意义 | 第9-10页 |
| 1.2 研究历史及现状 | 第10-17页 |
| 1.2.1 粗糙集的研究历史与现状 | 第10-12页 |
| 1.2.2 粗糙集属性约简研究现状 | 第12-14页 |
| 1.2.3 决策树理论的研究历史与现状 | 第14-15页 |
| 1.2.4 粗糙集理论与决策树技术结合的研究现状 | 第15-16页 |
| 1.2.5 基于粗糙集及决策树数据挖掘方法的局限 | 第16-17页 |
| 1.3 本文的研究工作 | 第17-18页 |
| 1.4 本文的组织 | 第18-19页 |
| 第二章 粗糙集基本理论 | 第19-33页 |
| 2.1 近似空间 | 第19-22页 |
| 2.1.1 近似空间与不可分辨关系 | 第19-20页 |
| 2.1.2 知识与知识库 | 第20-22页 |
| 2.2 上下近似与粗糙集 | 第22-24页 |
| 2.3 知识约简 | 第24-26页 |
| 2.3.1 约简与核 | 第24-26页 |
| 2.3.2 知识的依赖性 | 第26页 |
| 2.4 信息系统和决策表 | 第26-29页 |
| 2.5 粗糙集与数据挖掘 | 第29-32页 |
| 2.5.1 数据挖掘的定义 | 第29页 |
| 2.5.2 数据挖掘的一般过程 | 第29-30页 |
| 2.5.3 基于粗糙集的数据挖掘过程 | 第30-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 一种基于粗糙集的决策表属性重要性及其快速约简的改进算法 | 第33-42页 |
| 3.1 属性的重要性 | 第33-34页 |
| 3.1.1 基于属性依赖度的属性重要性 | 第33-34页 |
| 3.1.2 基于信息量的属性重要性 | 第34页 |
| 3.1.3 基于区分矩阵中属性出现频率的属性重要性 | 第34页 |
| 3.2 典型的属性约简算法 | 第34-36页 |
| 3.3 基于属性加权平均重要性的属性约简算法 | 第36-39页 |
| 3.3.1 基于Rough set的属性加权平均重要性 | 第37页 |
| 3.3.2 改进的属性约简算法 | 第37-38页 |
| 3.3.3 算法分析 | 第38-39页 |
| 3.4 实验结果与分析 | 第39-41页 |
| 3.4.1 实例分析 | 第39-40页 |
| 3.4.2 实验结果与分析 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 一种基于粗糙集构造决策树的新方法 | 第42-53页 |
| 4.1 相关概念与原理 | 第42-47页 |
| 4.1.1 决策树概述 | 第43-45页 |
| 4.1.2 基于信息熵的属性选择原理 | 第45-46页 |
| 4.1.3 举例说明属性选择的重要性 | 第46-47页 |
| 4.2 基于属性加权平均重要性的决策树构造算法 | 第47-48页 |
| 4.3 与基于信息熵方法的比较实例 | 第48-51页 |
| 4.4 实验结果与分析 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 未来的研究工作 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61-62页 |
| 附录A 攻读学位期间发表的论文 | 第62页 |
