| 图索引 | 第1-7页 |
| 表索引 | 第7-8页 |
| 第一章 前言 | 第8-11页 |
| 1．1 课题研究的背景 | 第8-9页 |
| 1．2 本课题所做的工作、成果和意义 | 第9-10页 |
| 1．3 本文的组织结构 | 第10-11页 |
| 第二章 KDD﹑DM及RS概述 | 第11-23页 |
| 2．1 数据库中知识发现（KDD）概述 | 第11-14页 |
| 2．1．1 KDD产生的背景 | 第11-12页 |
| 2．1．2 KDD的定义及其阐述 | 第12-13页 |
| 2．1．3 KDD的处理过程 | 第13-14页 |
| 2．2 数据挖掘（DM）概述 | 第14-17页 |
| 2．3 RS概述 | 第17-21页 |
| 2．3．1 粗糙集中的基本概念 | 第17-21页 |
| 2．3．2 粗糙集理论的特点（Featuresofroughsettheory） | 第21页 |
| 2．3．3 粗糙集理论的应用 | 第21页 |
| 2．4 总结 | 第21-23页 |
| 第三章 差别矩阵求核的改进算法 | 第23-30页 |
| 3．1 核与差别矩阵 | 第23-24页 |
| 3．2 X．HU．提出的差别矩阵 | 第24-25页 |
| 3．2．1 差别矩阵的定义 | 第24页 |
| 3．2．2 该差别矩阵用于求核的错误 | 第24-25页 |
| 3．3 一个新的差别矩阵 | 第25-26页 |
| 3．3．1 新差别矩阵的定义 | 第25-26页 |
| 3．3．2 对应的求核算法 | 第26页 |
| 3．3．3 该求核算法的不足 | 第26页 |
| 3．4 本文提出的改进求核算法 | 第26-28页 |
| 3．5 总结 | 第28-30页 |
| 第四章 粗糙集理论与扩张矩阵理论 | 第30-37页 |
| 4．1 扩张矩阵理论 | 第30-31页 |
| 4．1．1 基本概念 | 第30-31页 |
| 4．1．2 分类规则提取 | 第31页 |
| 4．2 粗糙集理论规则提取原理 | 第31页 |
| 4．3 结合粗糙集理论与扩张矩阵理论的数据挖掘方法 | 第31-35页 |
| 4．3．1 差别矩阵与扩张矩阵 | 第32-33页 |
| 4．3．2 两者结合的数据挖掘算法 | 第33-34页 |
| 4．3．3 该算法得到的规则精简的原因 | 第34-35页 |
| 4．3．4 寻找两者之间精简度的平衡 | 第35页 |
| 4．4 总结 | 第35-37页 |
| 第五章 基于粗糙集理论的一种新知识发现算法 | 第37-42页 |
| 5．1 凡事皆有例外 | 第37页 |
| 5．2 粗糙集理论和信息表中的例外 | 第37-38页 |
| 5．3 例外的重要性 | 第38页 |
| 5．4 基于粗糙集理论的规则及其例外发现算法 | 第38-41页 |
| 5．5 总结 | 第41-42页 |
| 第六章 数据库知识发现软件KNOWLEDGEINSIDE | 第42-45页 |
| 6．1 KNOWLEDGEINSIDE的主要功能 | 第42-43页 |
| 6．2 KNOWLEDGEINSIDE需要进一步扩充的功能 | 第43-44页 |
| 6．3 总结 | 第44-45页 |
| 结束语 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 附录：个人简历 | 第49页 |
