基于粗糙集理论的动态数据挖掘关键技术研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 1 引言 | 第13-18页 |
| 1.1 课题的研究背景 | 第13-14页 |
| 1.2 论文的研究意义 | 第14-15页 |
| 1.3 主要研究内容和创新 | 第15-16页 |
| 1.4 全文的内容组织和安排 | 第16-18页 |
| 2 文献综述 | 第18-31页 |
| 2.1 粗糙集理论的历史发展 | 第18-20页 |
| 2.2 粗糙集理论的研究现状 | 第20-22页 |
| 2.3 属性约简 | 第22-26页 |
| 2.4 知识获取 | 第26-28页 |
| 2.5 粗糙集理论知识 | 第28-30页 |
| 2.6 本章小结 | 第30-31页 |
| 3 基于信息粒度模型的动态属性约简 | 第31-48页 |
| 3.1 面向属性增加的决策表动态属性约简 | 第31-38页 |
| 3.1.1 相关知识 | 第31-33页 |
| 3.1.2 属性增加时信息粒度的更新 | 第33页 |
| 3.1.3 动态属性约简算法 | 第33-35页 |
| 3.1.4 算例分析 | 第35-37页 |
| 3.1.5 实验比较 | 第37-38页 |
| 3.2 面向对象增加的不完备决策表动态属性约简 | 第38-47页 |
| 3.2.1 相关知识 | 第39-40页 |
| 3.2.2 对象增加时信息粒度的更新 | 第40-41页 |
| 3.2.3 动态属性约简算法 | 第41-42页 |
| 3.2.4 算例分析 | 第42-44页 |
| 3.2.5 实验比较 | 第44-47页 |
| 3.3 本章小结 | 第47-48页 |
| 4 面向决策表的动态知识获取方法 | 第48-64页 |
| 4.1 相关知识 | 第49-50页 |
| 4.2 单个对象增加和删除时的动态知识获取方法 | 第50-55页 |
| 4.2.1 单个对象变化时近似分类质量的计算 | 第51-53页 |
| 4.2.2 算例分析 | 第53页 |
| 4.2.3 动态知识获取方法 | 第53-55页 |
| 4.3 多个对象增加和删除时的动态知识获取方法 | 第55-59页 |
| 4.3.1 多个对象变化时近似分类质量的计算 | 第55-57页 |
| 4.3.2 算例分析 | 第57-58页 |
| 4.3.3 动态知识获取方法 | 第58-59页 |
| 4.4 实验比较与分析 | 第59-62页 |
| 4.5 本章小结 | 第62-64页 |
| 5 面向不完备决策表的动态知识获取方法 | 第64-79页 |
| 5.1 相关知识 | 第65-66页 |
| 5.2 单个对象增加和删除时的动态知识获取方法 | 第66-71页 |
| 5.2.1 单个对象变化时近似分类质量的计算 | 第66-69页 |
| 5.2.2 算例分析 | 第69页 |
| 5.2.3 动态知识获取算法 | 第69-71页 |
| 5.3 多个对象增加和删除时的动态知识获取方法 | 第71-75页 |
| 5.3.1 多个对象变化时近似分类质量的计算 | 第71-72页 |
| 5.3.2 算例分析 | 第72-73页 |
| 5.3.3 动态知识获取方法 | 第73-75页 |
| 5.4 实验比较和分析 | 第75-78页 |
| 5.5 本章小结 | 第78-79页 |
| 6 一种基于粗糙集属性度量的集成分类器 | 第79-91页 |
| 6.1 属性度量方法 | 第80-82页 |
| 6.1.1 基于正区域的属性度量 | 第80-81页 |
| 6.1.2 基于信息熵的属性度量 | 第81-82页 |
| 6.2 基于粗糙集的混合属性度量 | 第82-85页 |
| 6.3 集成分类器 | 第85-86页 |
| 6.4 实验比较与分析 | 第86-90页 |
| 6.5 本章小结 | 第90-91页 |
| 7 总结与展望 | 第91-93页 |
| 参考文献 | 第93-107页 |
| 作者简历及在学研究成果 | 第107-111页 |
| 学位论文数据集 | 第111页 |
