| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究意义和课题来源 | 第10-11页 |
| ·课题来源及本文所做的工作 | 第11-12页 |
| ·本文组织 | 第12-14页 |
| 第二章 相关技术概述 | 第14-37页 |
| ·粗糙集理论概述 | 第14-21页 |
| ·引言 | 第14-15页 |
| ·粗糙集理论相关概念 | 第15-17页 |
| ·属性重要性 | 第17-18页 |
| ·知识约简 | 第18-21页 |
| ·网格数据挖掘概述 | 第21-29页 |
| ·数据挖掘的定义及其特点 | 第21-23页 |
| ·数据挖掘的挑战 | 第23-24页 |
| ·网格的定义及其特点 | 第24-25页 |
| ·网格数据挖掘的定义及其特点 | 第25-26页 |
| ·网格数据挖掘研究现状 | 第26-29页 |
| ·基因表达式编程概述 | 第29-36页 |
| ·GEP 基本概念 | 第30-31页 |
| ·适应度函数 | 第31-32页 |
| ·遗传操作 | 第32-35页 |
| ·基本GEP 算法 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 面向服务的网格数据挖掘体系架构 | 第37-44页 |
| ·引言 | 第37页 |
| ·面向服务的网格数据挖掘体系结构 | 第37-40页 |
| ·网格数据挖掘原型设计 | 第40-43页 |
| ·网格服务的设计 | 第40-42页 |
| ·网格数据挖掘流程 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于属性约简的粗糙集海量数据分割算法 | 第44-54页 |
| ·引言 | 第44-45页 |
| ·传统的基于粗糙集的海量数据分割方法 | 第45-46页 |
| ·基于属性约简的粗糙集海量数据分割方法 | 第46-51页 |
| ·本文采用的分布式学习模型 | 第46-47页 |
| ·最佳分割 | 第47-49页 |
| ·基于属性约简的粗糙集海量数据分割算法 | 第49-51页 |
| ·组合子规则集的方法 | 第51页 |
| ·算法实验 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 网格下基于粗糙集、GEP和折半查找的分布式函数挖掘研究 | 第54-68页 |
| ·引言 | 第54-55页 |
| ·GEP 函数挖掘的基本原理 | 第55-57页 |
| ·基于粗糙集和折半查找的最优属性约简算法 | 第57-60页 |
| ·问题描述 | 第57-58页 |
| ·相关概念 | 第58页 |
| ·算法描述 | 第58-60页 |
| ·网格下基于粗糙集、GEP 和折半查找的分布式函数挖掘算法 | 第60-64页 |
| ·算法思想 | 第60页 |
| ·函数一致性合并算法 | 第60-63页 |
| ·算法描述 | 第63-64页 |
| ·算法性能分析 | 第64页 |
| ·实验与分析 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 网格数据挖掘原型系统的实现 | 第68-78页 |
| ·引言 | 第68页 |
| ·网格数据挖掘原型系统主要功能的设计与实现 | 第68-77页 |
| ·数据传输服务 | 第69-70页 |
| ·资源分配服务 | 第70-72页 |
| ·数据分割服务 | 第72-73页 |
| ·函数挖掘算法服务的实现 | 第73-76页 |
| ·全局模型生成服务 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 第七章 总结与展望 | 第78-80页 |
| ·总结 | 第78-79页 |
| ·展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士学位期间的学术论文 | 第81-82页 |
| 攻读硕士学位期间参加的科研项目 | 第82-83页 |
| 攻读硕士学位期间获得的专利申请 | 第83-84页 |
| 缩略词 | 第84-85页 |
| 图表清单 | 第85-87页 |
| 参考文献 | 第87-92页 |