可拓方法在数据挖掘算法中的应用研究
| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-8页 |
| 引言 | 第8-10页 |
| 第1章 数据挖掘技术概述 | 第10-21页 |
| 1．1 什么是数据挖掘 | 第10-12页 |
| 1．2 数据仓库与数据挖掘 | 第12-14页 |
| 1．2．1 什么是数据仓库 | 第12-13页 |
| 1．2．2 数据仓库与数据挖掘 | 第13-14页 |
| 1．3 数据挖掘的对象 | 第14-16页 |
| 1．3．1 关系数据库 | 第14-15页 |
| 1．3．2 数据仓库 | 第15页 |
| 1．3．3 事务数据库 | 第15页 |
| 1．3．4 高级数据库系统 | 第15-16页 |
| 1．4 数据挖掘的功能 | 第16-19页 |
| 1．4．1 概念和类描述 | 第16-17页 |
| 1．4．2 关联分析 | 第17页 |
| 1．4．3 分类和预测 | 第17-18页 |
| 1．4．4 聚类分析 | 第18页 |
| 1．4．5 孤立点分析 | 第18页 |
| 1．4．6 演变分析 | 第18-19页 |
| 1．5 数据挖掘的应用 | 第19-21页 |
| 1．5．1 针对生物医学的数据挖掘 | 第19页 |
| 1．5．2 金融业中的数据挖掘 | 第19-20页 |
| 1．5．3 零售业中的数据挖掘 | 第20页 |
| 1．5．4 电信业中的数据挖掘 | 第20-21页 |
| 第2章 可拓信息与可拓方法概述 | 第21-35页 |
| 2．1 物元和可拓变换 | 第21-24页 |
| 2．1．1 物元及其相关性 | 第21-23页 |
| 2．1．2 可拓变换 | 第23-24页 |
| 2．2 可拓集合与关联函数 | 第24-30页 |
| 2．2．1 可拓集合 | 第24-26页 |
| 2．2．2 关联函数 | 第26-30页 |
| 2．3 可拓信息 | 第30-35页 |
| 2．3．1 信息物元 | 第30-33页 |
| 2．3．2 可拓信息空间 | 第33-35页 |
| 第3章 基于可拓变换的关联规则挖掘算法 | 第35-58页 |
| 3．1 关联规则 | 第35-37页 |
| 3．1．1 购物篮分析 | 第35-36页 |
| 3．1．2 关联规则基本概念 | 第36-37页 |
| 3．2 相关的关联规则挖掘算法 | 第37-43页 |
| 3．2．1 渔网算法 | 第37-38页 |
| 3．2．2 Apriori算法 | 第38-43页 |
| 3．3 基于可拓变换的关联规则挖掘算法 | 第43-58页 |
| 3．3．1 项的可拓变换和恒项集 | 第43-45页 |
| 3．3．2 可拓变换意义下的关联规则 | 第45-46页 |
| 3．3．3 基于可拓变换的挖掘算法 | 第46-53页 |
| 3．3．4 寻找频集 | 第53-55页 |
| 3．3．5 导出有效的关联规则 | 第55-57页 |
| 3．3．6 测试结果 | 第57-58页 |
| 第4章 数据分类与数据化简 | 第58-70页 |
| 4．1 常用的分类方法 | 第58-65页 |
| 4．1．1 贝叶斯分类 | 第58-60页 |
| 4．1．2 判定树归纳分类 | 第60-61页 |
| 4．1．3 神经网络 | 第61-63页 |
| 4．1．4 邻域分类 | 第63页 |
| 4．1．5 遗传算法 | 第63-64页 |
| 4．1．6 粗糙集 | 第64页 |
| 4．1．7 模糊集 | 第64-65页 |
| 4．2 可拓分类 | 第65-67页 |
| 4．3 数据化简方法：可拓信息空间的化简 | 第67-70页 |
| 第5章 结论 | 第70-72页 |
| 5．1 本文研究的主要工作 | 第70页 |
| 5．2 本文研究存在的主要问题 | 第70-71页 |
| 5．3 有待进一步研究的工作 | 第71-72页 |
| 攻读学位期间公开发表的论文 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
