基于模糊规则的知识发现与表示研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 主要符号表 | 第15-16页 |
| 1 绪论 | 第16-29页 |
| 1.1 知识发现的研究背景与意义 | 第16-17页 |
| 1.2 知识发现概述 | 第17-20页 |
| 1.2.1 知识发现的相关概念 | 第17页 |
| 1.2.2 知识发现的过程 | 第17-18页 |
| 1.2.3 知识发现的任务 | 第18-19页 |
| 1.2.4 知识发现的方法 | 第19-20页 |
| 1.3 国内外相关工作研究进展 | 第20-27页 |
| 1.3.1 决策树及决策树的研究重点 | 第21-23页 |
| 1.3.2 基于模糊规则的聚类 | 第23-25页 |
| 1.3.3 基于规则的数据粒化 | 第25-27页 |
| 1.4 本文主要研究内容 | 第27-29页 |
| 2 模糊规则决策树 | 第29-56页 |
| 2.1 模糊规则决策树基本思想 | 第29-31页 |
| 2.1.1 研究动机 | 第29-30页 |
| 2.1.2 模糊规则决策树的结构 | 第30-31页 |
| 2.2 模糊规则提取 | 第31-36页 |
| 2.2.1 模糊数 | 第31-34页 |
| 2.2.2 模糊规则 | 第34页 |
| 2.2.3 模糊规则提取算法 | 第34-36页 |
| 2.3 模糊规则决策树的构建 | 第36-45页 |
| 2.3.1 模糊规则决策树理论与算法 | 第36-40页 |
| 2.3.2 模糊规则决策树对应的规则 | 第40页 |
| 2.3.3 模糊规则决策树的时间复杂度 | 第40-41页 |
| 2.3.4 模糊规则决策树的分类边界 | 第41-45页 |
| 2.4 实验结果及分析 | 第45-54页 |
| 2.4.1 Iris数据 | 第47页 |
| 2.4.2 FRDT同传统决策树比较 | 第47-52页 |
| 2.4.3 参数分析 | 第52-54页 |
| 2.5 本章小结 | 第54-56页 |
| 3 基于语义解释的模糊聚类研究 | 第56-78页 |
| 3.1 研究动机 | 第56-57页 |
| 3.2 AFS理论 | 第57-61页 |
| 3.2.1 AFS代数 | 第57-59页 |
| 3.2.2 AFS隶属函数 | 第59-61页 |
| 3.3 基于解释性的模糊聚类 | 第61-64页 |
| 3.3.1 AFS模糊聚类 | 第61-64页 |
| 3.3.2 AFS模糊聚类有效性指标 | 第64页 |
| 3.4 实验结果及分析 | 第64-77页 |
| 3.4.1 AFS模糊聚类的可解释性 | 第65-72页 |
| 3.4.2 同基于规则的聚类算法比较 | 第72-73页 |
| 3.4.3 同经典聚类算法的比较 | 第73-74页 |
| 3.4.4 稳定性分析与参数分析 | 第74-77页 |
| 3.5 本章小结 | 第77-78页 |
| 4 基于语义解释的快速数据粒化研究 | 第78-99页 |
| 4.1 研究动机 | 第78-79页 |
| 4.2 基于语义解释的快速数据粒化算法 | 第79-90页 |
| 4.2.1 无监督的属性选择 | 第79-80页 |
| 4.2.2 模糊数 | 第80-82页 |
| 4.2.3 样本描述 | 第82-85页 |
| 4.2.4 模糊概念的评价标准 | 第85-86页 |
| 4.2.5 数据粒化算法 | 第86-90页 |
| 4.3 实验结果及分析 | 第90-97页 |
| 4.3.1 数据粒化算法FRCGC的可解释性 | 第91-92页 |
| 4.3.2 同经典聚类算法的比较 | 第92-94页 |
| 4.3.3 参数分析 | 第94-95页 |
| 4.3.4 算法复杂度分析 | 第95-97页 |
| 4.4 本章小结 | 第97-99页 |
| 5 结论与展望 | 第99-103页 |
| 5.1 结论 | 第99-100页 |
| 5.2 创新点 | 第100-101页 |
| 5.3 展望 | 第101-103页 |
| 参考文献 | 第103-112页 |
| 攻读博士学位期间科研项目及科研成果 | 第112-113页 |
| 致谢 | 第113-114页 |
| 作者简介 | 第114页 |
