基于粗糙集技术的分类规则抽取方法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究的目的与意义 | 第9-10页 |
| 1.2 国内外发展现状 | 第10-13页 |
| 1.2.1 决策树理论的发展现状 | 第10-11页 |
| 1.2.2 相容粗糙集理论的发展现状 | 第11-12页 |
| 1.2.3 近邻规则的发展现状 | 第12-13页 |
| 1.3 本文的主要工作及内容安排 | 第13-15页 |
| 第2章 基础知识 | 第15-23页 |
| 2.1 决策树算法简介 | 第15-18页 |
| 2.1.1 决策树的结构 | 第15-16页 |
| 2.1.2 决策树的构建过程 | 第16-18页 |
| 2.2 相容粗糙集的相关概念 | 第18-21页 |
| 2.2.1 粗糙集的相关概念 | 第18页 |
| 2.2.2 相容粗糙集的相关概念 | 第18-21页 |
| 2.3 近邻算法的相关概念 | 第21-22页 |
| 2.4 假设检验 | 第22-23页 |
| 第3章 基于相容粗糙集的连续值属性决策树归纳 | 第23-31页 |
| 3.1 算法的基本思想 | 第23页 |
| 3.2 基于相容粗糙集的连续值属性决策树归纳 | 第23-25页 |
| 3.3 实验结果分析 | 第25-31页 |
| 3.3.1 实验方法简介 | 第25-26页 |
| 3.3.2 实验结果与分析 | 第26-31页 |
| 第4章 基于粗糙集的压缩近邻规则 | 第31-36页 |
| 4.1 算法的基本思想 | 第31页 |
| 4.2 基于粗糙集的压缩近邻规则 | 第31-33页 |
| 4.3 实验结果分析 | 第33-36页 |
| 4.3.1 实验方法简介 | 第33-34页 |
| 4.3.2 实验结果与分析 | 第34-36页 |
| 第5章 结论与展望 | 第36-37页 |
| 5.1 研究总结 | 第36页 |
| 5.1.1 基于相容粗糙集的连续值属性决策树归纳 | 第36页 |
| 5.1.2 基于粗糙集的压缩近邻规则 | 第36页 |
| 5.2 研究展望 | 第36-37页 |
| 参考文献 | 第37-40页 |
| 致谢 | 第40-41页 |
| 攻读学位期间取得的科研成果 | 第41页 |
