| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究的目的和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·知识的分类 | 第9-10页 |
| ·本文的主要研究内容 | 第10-11页 |
| 第二章 数据挖掘 | 第11-17页 |
| ·什么是数据挖掘 | 第11-13页 |
| ·训练集和测试集 | 第12页 |
| ·学习 | 第12页 |
| ·数据挖掘的功能—可以挖掘什么类型的模式 | 第12-13页 |
| ·数据挖掘同知识发现的比较 | 第13-14页 |
| ·数据挖掘的方法 | 第14-15页 |
| ·决策树方法 | 第14页 |
| ·神经网络方法 | 第14页 |
| ·模糊集合论方法 | 第14页 |
| ·遗传算法 | 第14-15页 |
| ·粗糙集方法 | 第15页 |
| ·数据挖掘的步骤 | 第15页 |
| ·数据挖掘系统 | 第15-17页 |
| 第三章 粗糙集基本理论 | 第17-29页 |
| ·知识与分类 | 第17-18页 |
| ·不精确范畴，近似与粗糙集 | 第18-20页 |
| ·知识约简与知识的依赖性 | 第20-23页 |
| ·知识表达系统与决策表 | 第23-24页 |
| ·粗糙集的研究现状 | 第24-29页 |
| ·粗糙集模型的推广 | 第25-26页 |
| ·不确定性问题的理论研究 | 第26页 |
| ·与其它处理不确定性理论、方法的结合研究 | 第26-28页 |
| ·算法研究 | 第28-29页 |
| 第四章 基于动态参数遗传算法的最优约简算法 | 第29-47页 |
| ·属性约简算法 | 第29页 |
| ·遗传算法 | 第29-32页 |
| ·遗传算法的基本思想 | 第29-30页 |
| ·遗传算法的原理 | 第30-32页 |
| ·两种基本的遗传算法 | 第32-34页 |
| ·Bjorvand和Komorowski提出的遗传算法 | 第32-33页 |
| ·启发式遗传算法 | 第33页 |
| ·上述两种约简算法的分析和比较 | 第33页 |
| ·示例 | 第33-34页 |
| ·遗传算法共性问题研究 | 第34-36页 |
| ·适应度函数 | 第34-35页 |
| ·控制参数的选取 | 第35-36页 |
| ·算法性能分析的定量标准 | 第36页 |
| ·赌轮选择算法 | 第36-37页 |
| ·最优约简计算 | 第37-38页 |
| ·应用遗传算法寻求最小约简 | 第38-40页 |
| ·个体的编码 | 第39页 |
| ·适应度函数的确定 | 第39-40页 |
| ·应用变长编码的遗传算法求最小约简 | 第40-42页 |
| ·选择算子对算法性能的影响及其改进 | 第42-44页 |
| ·遗传操作过程分析 | 第43-44页 |
| ·选择算子对算法性能的影响及其改进 | 第44页 |
| ·实例 | 第44-45页 |
| ·结果分析 | 第45-47页 |
| 第五章 结论 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-51页 |