基于数据资源的认知图挖掘算法研究及其实现
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-18页 |
| ·研究背景 | 第8-9页 |
| ·国内外研究现状 | 第9-14页 |
| ·本文的主要研究内容 | 第14-16页 |
| ·本文技术路线 | 第16页 |
| ·本文组织结构 | 第16-18页 |
| 2 认知图挖掘过程中的数据预处理技术 | 第18-29页 |
| ·数据预处理的目的 | 第18页 |
| ·数据预处理基本功能 | 第18-28页 |
| ·噪声数据处理 | 第18-24页 |
| ·噪声数据描述 | 第18-19页 |
| ·常用噪声数据检测技术 | 第19-20页 |
| ·改进的噪声数据检测算法 | 第20-22页 |
| ·实验分析 | 第22-24页 |
| ·缺失数据处理 | 第24-25页 |
| ·数据规范化 | 第25-26页 |
| ·数据离散化 | 第26-27页 |
| ·数据抽样 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 认知图挖掘过程中节点提取算法 | 第29-38页 |
| ·节点提取的目的 | 第29-30页 |
| ·基于粗糙集理论的节点提取算法 | 第30-36页 |
| ·粗糙集理论相关概念 | 第30-31页 |
| ·算法描述 | 第31-32页 |
| ·实验分析 | 第32-36页 |
| ·本章小结 | 第36-38页 |
| 4 基于数据资源的认知图挖掘算法 | 第38-49页 |
| ·认知图的知识表达 | 第38-39页 |
| ·认知图模型 | 第39-41页 |
| ·传统的认知图构建方法 | 第41-43页 |
| ·基于专家经验的认知图构建方法 | 第41-42页 |
| ·基于样本学习的认知图构建方法 | 第42-43页 |
| ·基于神经网络的认知图权值矩阵学习算法 | 第43-48页 |
| ·算法描述 | 第43-45页 |
| ·试验分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 5 认知图原型系统开发 | 第49-62页 |
| ·系统概述 | 第49-54页 |
| ·数据预处理模块 | 第49-51页 |
| ·认知图节点选取模块 | 第51-53页 |
| ·认知图挖掘模块 | 第53页 |
| ·认知图推理模块 | 第53-54页 |
| ·案例分析 | 第54-61页 |
| ·本章小结 | 第61-62页 |
| 6 结论 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第68页 |
