| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 多事务数据库中的模式挖掘研究 | 第11-15页 |
| 1.2.1 多数据源的划分 | 第12-13页 |
| 1.2.2 有趣模式的研究 | 第13-14页 |
| 1.2.3 局部模式合成算法 | 第14-15页 |
| 1.2.4 决策规则的性能评价 | 第15页 |
| 1.3 多数据源挖掘的相关技术分析与比较 | 第15-18页 |
| 1.3.1 多视图学习 | 第16-17页 |
| 1.3.2 多模态学习 | 第17-18页 |
| 1.4 本文主要研究内容 | 第18-19页 |
| 1.4.1 课题来源 | 第18页 |
| 1.4.2 主要研究内容 | 第18-19页 |
| 1.5 论文组织结构 | 第19-20页 |
| 第2章 相关基础 | 第20-26页 |
| 2.1 邻域粒化 | 第20-22页 |
| 2.1.1 大间隔 | 第21-22页 |
| 2.2 规则学习 | 第22-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第3章 多源信息系统中高投票决策规则的挖掘 | 第26-36页 |
| 3.1 引言 | 第26页 |
| 3.2 基于邻域粒化的多源信息系统中高投票决策规则算例分析 | 第26-32页 |
| 3.3 实验结果与分析 | 第32-34页 |
| 3.3.1 数据集 | 第32页 |
| 3.3.2 实验设置 | 第32页 |
| 3.3.3 实验结果展示及讨论 | 第32-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 多源信息系统中例外决策规则的挖掘 | 第36-48页 |
| 4.1 引言 | 第36页 |
| 4.2 基于邻域粒化的多源信息系统中例外决策规则算例分析 | 第36-43页 |
| 4.3 实验结果 | 第43-46页 |
| 4.3.1 实验数据 | 第43-44页 |
| 4.3.2 实验设置 | 第44页 |
| 4.3.3 实验结果 | 第44-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 多源信息系统中的决策规则合成 | 第48-58页 |
| 5.1 引言 | 第48页 |
| 5.2 基于规则学习的覆盖约简 | 第48-49页 |
| 5.3 利用权重合成决策规则 | 第49-54页 |
| 5.3.1 数据源的权重 | 第50-52页 |
| 5.3.2 决策规则合成模型 | 第52-53页 |
| 5.3.3 算法设计 | 第53-54页 |
| 5.4 实验结果 | 第54-56页 |
| 5.4.1 实验数据集 | 第54-55页 |
| 5.4.2 高维数据集 | 第55-56页 |
| 5.5 本章小结 | 第56-58页 |
| 第6章 论文总结与展望 | 第58-60页 |
| 6.1 主要研究工作 | 第58页 |
| 6.2 未来工作 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间承担的科研任务和主要成果 | 第68页 |