基于扩展概念格的多数据源分类知识融合问题研究
| 第一章 绪论 | 第1-21页 |
| ·KDD及数据挖掘简介 | 第12-16页 |
| ·KDD及数据挖的概念 | 第12-13页 |
| ·KDD的过程和任务 | 第13-15页 |
| ·数据挖掘系统的构成 | 第15-16页 |
| ·数据挖掘所面临的挑战 | 第16页 |
| ·多数据源数据挖掘思想的引入 | 第16-19页 |
| ·多数据源数据挖掘的提出 | 第17-18页 |
| ·多数据源数据挖掘的研究现状 | 第18-19页 |
| ·本文的课题来源和内容组织 | 第19-20页 |
| ·本文的课题来源 | 第19页 |
| ·本文的内容组织 | 第19-20页 |
| ·小结 | 第20-21页 |
| 第二章 概念格及其扩展模型 | 第21-30页 |
| ·概念格的数学模型 | 第21-22页 |
| ·代数格 | 第21页 |
| ·概念格 | 第21-22页 |
| ·概念格的扩展模型 | 第22-23页 |
| ·概念格的约简、相对约简和量化 | 第23-25页 |
| ·概念格的约简 | 第23-24页 |
| ·概念格的相对约简 | 第24-25页 |
| ·概念格的量化 | 第25页 |
| ·概念格的构造 | 第25-29页 |
| ·基于记录的概念格构造 | 第26-27页 |
| ·基于属性的概念格构造 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第三章 基于多扩展概念格的分类知识融合 | 第30-42页 |
| ·分类问题概述 | 第30-31页 |
| ·分类的含义 | 第30页 |
| ·分类研究的常用模型 | 第30-31页 |
| ·多概念格解决分类融合思想的引入 | 第31页 |
| ·基于概念格扩展模型的分类规则提取 | 第31-33页 |
| ·多数据源的分类知识融合过程 | 第33-39页 |
| ·基于分类规则的融合 | 第33-36页 |
| ·基于分类子格的融合 | 第36-39页 |
| ·选取子格融合方法的原因 | 第39-41页 |
| ·小结 | 第41-42页 |
| 第四章 基于多扩展概念格的分类格剪枝 | 第42-50页 |
| ·格剪枝出现的原因 | 第42-45页 |
| ·过度拟合问题的定义 | 第42-44页 |
| ·过度拟合产生的原因 | 第44页 |
| ·过度拟合解决的方法 | 第44-45页 |
| ·格剪枝的具体方法 | 第45-46页 |
| ·格剪枝的目的 | 第45页 |
| ·格剪枝的算法 | 第45-46页 |
| ·格剪枝后的效果 | 第46-48页 |
| ·剪枝效果分析 | 第48-49页 |
| ·小结 | 第49-50页 |
| 第五章 实验系统 MECL_CKD简介 | 第50-54页 |
| ·引言 | 第50页 |
| ·系统设计思想及其结构框架 | 第50-52页 |
| ·系统设计思想 | 第50页 |
| ·系统设计框架 | 第50-52页 |
| ·分类知识挖掘 | 第52-53页 |
| ·基于多概念格的分类知识提取 | 第52-53页 |
| ·子格融合方法的空间性能 | 第53页 |
| ·小结 | 第53-54页 |
| 第六章 结束语 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 研究生期间主要科研工作及成果 | 第60-61页 |
| 附录第四章示例实验所用数据 | 第61页 |
