| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 第一章 引言 | 第7-11页 |
| §1.1 论文的知识背景 | 第7-9页 |
| §1.2 论文的主要工作及创新之处 | 第9-11页 |
| 第二章 粗糙集理论及在数据挖掘中的应用 | 第11-37页 |
| §2.1 粗糙集理论的基本概念 | 第11-16页 |
| §2.2 信息系统和决策表及可识辨属性矩阵 | 第16-22页 |
| §2.3 属性重要性、约简和核 | 第22-25页 |
| §2.4 信息熵与粗糙集 | 第25-32页 |
| §2.5 信息熵对信息系统的知识约简 | 第32-35页 |
| §2.6 总结 | 第35-37页 |
| 第三章 变精度Rough Sets模型在数据挖掘中的应用 | 第37-43页 |
| §3.1 变精度Rough Sets的相关概念及相对可辨别性 | 第37-38页 |
| §3.2 变精度变精度Rough Sets属性的依赖性度量及知识近似约简 | 第38-40页 |
| §3.3 信息熵对变精度Rough Sets的属性进行知识近似约简 | 第40-43页 |
| 第四章 支持向量机模型在数据挖掘中的应用 | 第43-52页 |
| §4.1 支持向量机器相关知识简介 | 第43-45页 |
| §4.2 线性支持向量分类机 | 第45-48页 |
| §4.3 非线性支持向量分类机与核函数 | 第48-49页 |
| §4.5 支持向量回归机 | 第49-52页 |
| 第五章 粗糙集与支持向量机混合模型在数据挖掘中的应用 | 第52-58页 |
| §5.1 利用粗糙集对支持向量机的训练数据进行预处理 | 第52-54页 |
| §5.2 利用粗糙集和支持向量机构造多分类机的方法 | 第54-57页 |
| §5.3 论文的最终结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 在学期间完成的论文 | 第61-62页 |
| 致谢 | 第62页 |
