基于概念格的多数据源中分类规则挖掘研究
| 第一章 绪论 | 第1-23页 |
| ·问题的提出 | 第12-13页 |
| ·知识发现与数据挖掘 | 第13-17页 |
| ·KDD的定义及研究背景 | 第13-14页 |
| ·KDD过程 | 第14-15页 |
| ·数据挖掘的概念、任务与方法 | 第15-16页 |
| ·数据挖掘的应用、研究及挑战 | 第16-17页 |
| ·分类规则挖掘 | 第17-21页 |
| ·分类问题概述 | 第17-19页 |
| ·分类问题求解方法 | 第19-21页 |
| ·分类问题的研究进展及相关应用 | 第21页 |
| ·本文的结构 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第二章 概念格模型研究 | 第23-32页 |
| ·概念格数学模型 | 第23-24页 |
| ·形式概念分析与概念格 | 第24-25页 |
| ·形式概念分析概述 | 第24页 |
| ·形式概念分析的理论基础——概念格 | 第24-25页 |
| ·概念格及其扩展模型 | 第25-29页 |
| ·传统概念格模型——Galois格 | 第25-27页 |
| ·扩展概念格——ECL | 第27-29页 |
| ·基于概念格的分类规则求解 | 第29-30页 |
| ·概念格的相关研究及应用 | 第30-31页 |
| ·小结 | 第31-32页 |
| 第三章 基于概念格的多数据源中分类规则挖掘 | 第32-47页 |
| ·多数据源中的数据挖掘 | 第32-36页 |
| ·分布式思想的引入 | 第32-33页 |
| ·分布式数据挖掘相关研究 | 第33-36页 |
| ·基于概念格的多数据源中分类规则挖掘 | 第36-43页 |
| ·主要思想 | 第37页 |
| ·知识表示方式 | 第37-38页 |
| ·分类规则的融合 | 第38-43页 |
| ·算法相关实验及分析 | 第43-46页 |
| ·多数据源中分类规则挖掘实例 | 第43-45页 |
| ·规则融合方法比较 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第四章 面向分类的概念格结构剪枝 | 第47-56页 |
| ·研究背景和来源 | 第47-49页 |
| ·大规模数据带来的挑战 | 第47页 |
| ·分类中的过拟合问题 | 第47-49页 |
| ·基于剪枝概念格的分类规则挖掘 | 第49-52页 |
| ·剪枝策略分析 | 第49-50页 |
| ·面向分类的格结构后剪枝算法 | 第50-52页 |
| ·算法相关实验及分析 | 第52-55页 |
| ·算法实例分析 | 第52-53页 |
| ·剪枝效果分析 | 第53-54页 |
| ·两种剪枝策略效果比较 | 第54-55页 |
| ·小结 | 第55-56页 |
| 第五章 实验系统DDM_CLASS简述 | 第56-60页 |
| ·需求分析 | 第56页 |
| ·系统构成 | 第56-57页 |
| ·系统实现 | 第57-59页 |
| ·小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·全文总结 | 第60页 |
| ·后续工作 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录一 攻读硕士期间主要科研工作及成果 | 第66-67页 |
| 附录二 实验数据 | 第67页 |
