基于粗糙集的粒度计算在数据挖掘中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| Contents | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| ·论文背景 | 第13页 |
| ·论文写作的目的和意义 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·粗糙集理论的研究现状 | 第14-16页 |
| ·数据挖掘方法的研究现状 | 第16-17页 |
| ·论文的主要工作及内容安排 | 第17-19页 |
| ·论文的主要工作 | 第17页 |
| ·论文的内容安排 | 第17-19页 |
| 第二章 相关理论综述 | 第19-35页 |
| ·粒度计算理论综述 | 第19-20页 |
| ·粗糙集基本理论综述 | 第20-28页 |
| ·知识的含义与表示方法 | 第21-23页 |
| ·粗糙集 | 第23-24页 |
| ·属性约简 | 第24-26页 |
| ·决策规则 | 第26-28页 |
| ·数据挖掘中的粒度计算 | 第28-34页 |
| ·数据挖掘简介 | 第28页 |
| ·数据挖掘的主要方法和步骤 | 第28-31页 |
| ·数据挖掘方法中的粒度计算 | 第31-34页 |
| ·小结 | 第34-35页 |
| 第三章 不完备信息系统中的粗糙集理论 | 第35-41页 |
| ·不完备信息系统的不确定性度量 | 第35-39页 |
| ·不完备信息系统 | 第35-37页 |
| ·不完备信息系统的偏序关系 | 第37页 |
| ·基于信息熵的不确定性度量 | 第37-39页 |
| ·不完备信息系统的信息粒度 | 第39-40页 |
| ·信息粒度的公理化定义 | 第39页 |
| ·信息粒度的度量方法 | 第39-40页 |
| ·不完备信息系统中信息熵与信息粒度的关系 | 第40页 |
| ·小结 | 第40-41页 |
| 第四章 基于条件信息熵的信息系统的知识约简 | 第41-52页 |
| ·属性约简问题的数学描述 | 第41-43页 |
| ·几种经典的约简算法 | 第43-45页 |
| ·基本算法 | 第43页 |
| ·基于可辨识矩阵的启发式算法 | 第43页 |
| ·遗传算法 | 第43页 |
| ·复合系统的约简算法 | 第43-44页 |
| ·扩展法则约简算法 | 第44页 |
| ·动态约简算法 | 第44-45页 |
| ·基于条件信息熵的属性约简算法 | 第45-49页 |
| ·相容关系下知识的信息熵与条件信息量度量 | 第45-46页 |
| ·属性重要性的信息量表示 | 第46-47页 |
| ·基于条件信息量的属性约简算法 | 第47页 |
| ·基于条件信息熵的属性约简算法 | 第47-49页 |
| ·实例分析 | 第49-50页 |
| ·小结 | 第50-52页 |
| 第五章 决策表中的知识粒度及规则提取 | 第52-62页 |
| ·决策表中的粒度思想 | 第52-54页 |
| ·决策表基本概念 | 第52-53页 |
| ·决策表中的粒度思想 | 第53-54页 |
| ·决策表的决策规则和知识粒度 | 第54-57页 |
| ·属性取值变化情况 | 第55-56页 |
| ·属性个数增减情况 | 第56-57页 |
| ·基于知识粒度的决策规则提取改进算法 | 第57-61页 |
| ·基于知识粒度的决策规则提取算法 | 第57-58页 |
| ·基于知识粒度的决策规则提取改进算法 | 第58-61页 |
| ·改进算法的评价 | 第61页 |
| ·小结 | 第61-62页 |
| 第六章 基于粗糙集的数据挖掘应用实例 | 第62-74页 |
| ·基于粗糙集的数据挖掘模型 | 第62-64页 |
| ·数据预处理模块 | 第64-67页 |
| ·概念分层 | 第64-65页 |
| ·数据选择 | 第65-66页 |
| ·缺失数据的处理 | 第66页 |
| ·连续数据离散化 | 第66-67页 |
| ·属性约简模块 | 第67页 |
| ·规则提取模块 | 第67-68页 |
| ·实例应用 | 第68-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读学位期间发表的论文 | 第80-82页 |
| 致谢 | 第82页 |
