一种改进的属性离散化方法

内容提要	第1-7页
第一章 引言	第7-10页
·本文的研究背景介绍	第7-8页
·相关工作	第8-9页
·本文所做的工作	第9-10页
第二章 粗糙集理论和信息熵理论	第10-22页
·粗糙集理论背景介绍	第10-11页
·粗糙集理论基本定义	第11-13页
·粗糙集的一个实例	第13-14页
·粗糙集理论的应用	第14-18页
·人工神经网络训练样本集化简	第14-15页
·控制算法获取	第15-16页
·决策支持系统	第16-17页
·从数据库中发现知识	第17-18页
·信息熵理论	第18-22页
·信息熵历史与发展	第18页
·信息论介绍	第18-19页
·信息熵的定义和性质	第19-22页
第三章 粗糙集理论中的连续属性离散化问题	第22-26页
·离散化问题提出	第22-23页
·离散化问题分类	第23-24页
·几种主要的离散化算法介绍	第24-26页
·等距离划分与等频率划分算法	第24页
·NaiveScaler算法	第24-25页
·SemiNaiveScaler算法	第25页
·布尔逻辑和粗糙集理论相结合算法	第25-26页
第四章 基于粗糙集理论和信息熵的属性离散化算法	第26-37页
·基于粗糙集的离散化问题描述	第26-27页
·基于粗糙集理论和信息熵的离散化算法	第27-37页
·计算初始断点集合	第27-31页
·约简初始断点集合算法	第31-33页
·实验结果和分析	第33-37页
第五章 结论和展望	第37-38页
参考文献	第38-40页
摘要	第40-42页
ABSTRACT	第42-45页
致谢	第45页