| 摘要 | 第7-9页 |
| Abstract | 第9-12页 |
| 第1章 绪论 | 第17-40页 |
| 1.1 数据挖掘概述 | 第17-21页 |
| 1.1.1 数据挖掘的概念 | 第17-18页 |
| 1.1.2 数据挖掘的过程 | 第18-19页 |
| 1.1.3 数据挖掘的主要方法 | 第19-20页 |
| 1.1.4 数据挖掘的应用与发展 | 第20-21页 |
| 1.2 不确定性信息及处理概述 | 第21-27页 |
| 1.2.1 不确定性数据的来源 | 第22-23页 |
| 1.2.2 不确定性数据的表现形式 | 第23页 |
| 1.2.3 不确定性数据的处理理论 | 第23-27页 |
| 1.3 粗糙集概述 | 第27-32页 |
| 1.3.1 粗糙集的理论背景 | 第27-28页 |
| 1.3.2 粗糙集的基本概念 | 第28-30页 |
| 1.3.3 粗糙集的研究与发展 | 第30-32页 |
| 1.4 优势关系粗糙集概述 | 第32-37页 |
| 1.4.1 优势关系粗糙集的理论背景 | 第32-33页 |
| 1.4.2 优势关系粗糙集的基本概念 | 第33-36页 |
| 1.4.3 基于优势关系粗糙集的不确定性信息处理方法 | 第36-37页 |
| 1.5 本文的主要研究内容及成果 | 第37-39页 |
| 1.6 本文的组织结构 | 第39-40页 |
| 第2章 基于包含度和支持度的变精度DRSA模型 | 第40-62页 |
| 2.1 引言 | 第40-41页 |
| 2.2 变精度粗糙集与变精度优势关系粗糙集 | 第41-43页 |
| 2.2.1 变精度粗糙集 | 第41-42页 |
| 2.2.2 变精度优势关系粗糙集 | 第42-43页 |
| 2.3 现有变精度优势关系粗糙集模型 | 第43-47页 |
| 2.3.1 VC-DRSA模型 | 第44-46页 |
| 2.3.2 VP-DRSA模型 | 第46-47页 |
| 2.4 基于包含度和支持度的变精度DRSA模型 | 第47-55页 |
| 2.4.1 VC-DRSA和VP-DRSA模型分析 | 第47-49页 |
| 2.4.2 基于包含度和支持度的变精度模型 | 第49-52页 |
| 2.4.3 实例分析 | 第52-55页 |
| 2.5 仿真实验 | 第55-61页 |
| 2.5.1 基于投票的分类方法 | 第56-57页 |
| 2.5.2 实验数据集选择 | 第57页 |
| 2.5.3 实验过程 | 第57-58页 |
| 2.5.4 实验结果与分析 | 第58-61页 |
| 2.6 本章小结 | 第61-62页 |
| 第3章 优势关系信息系统的一致化转换 | 第62-78页 |
| 3.1 引言 | 第62-63页 |
| 3.2 对象整体不一致性度量 | 第63-65页 |
| 3.3 不一致优势关系信息系统的一致化转换算法 | 第65-68页 |
| 3.3.1 算法描述 | 第65-68页 |
| 3.3.2 算法复杂度分析 | 第68页 |
| 3.4 实例分析 | 第68-71页 |
| 3.5 仿真实验 | 第71-76页 |
| 3.5.1 实验数据集选择 | 第72页 |
| 3.5.2 实验过程 | 第72-73页 |
| 3.5.3 实验结果与分析 | 第73-76页 |
| 3.6 本章小结 | 第76-78页 |
| 第4章 优势关系下的自主式学习方法 | 第78-94页 |
| 4.1 引言 | 第78-79页 |
| 4.2 数据驱动的自主式学习 | 第79-82页 |
| 4.3 变精度优势关系粗糙集分类性能分析 | 第82-84页 |
| 4.4 优势关系决策表与决策类集的一致性度量 | 第84-87页 |
| 4.5 优势关系下的自主式学习算法 | 第87-89页 |
| 4.6 仿真实验 | 第89-93页 |
| 4.6.1 实验数据集选择 | 第89页 |
| 4.6.2 实验过程 | 第89-90页 |
| 4.6.3 实验结果与分析 | 第90-93页 |
| 4.7 本章小结 | 第93-94页 |
| 第5章 面向领域的数据驱动的电信客户价值评价方法 | 第94-113页 |
| 5.1 引言 | 第94-96页 |
| 5.2 客户价值与评价 | 第96-102页 |
| 5.2.1 客户价值的概念 | 第96-97页 |
| 5.2.2 客户价值理论模型 | 第97-100页 |
| 5.2.3 电信客户价值与评价 | 第100-102页 |
| 5.3 面向领域的数据驱动的数据挖掘模型 | 第102-104页 |
| 5.3.1 领域驱动的数据挖掘 | 第102-103页 |
| 5.3.2 面向领域的数据驱动的数据挖掘 | 第103-104页 |
| 5.4 面向领域的数据驱动的电信客户价值评价方法 | 第104-108页 |
| 5.4.1 电信客户价值评价的特征提取 | 第104-105页 |
| 5.4.2 电信客户价值评价流程 | 第105-107页 |
| 5.4.3 电信客户价值评价算法 | 第107-108页 |
| 5.5 仿真实验 | 第108-112页 |
| 5.5.1 算法效果验证 | 第108-110页 |
| 5.5.2 算法应用 | 第110-112页 |
| 5.6 本章小结 | 第112-113页 |
| 第6章 总结与展望 | 第113-116页 |
| 6.1 本文工作总结 | 第113-115页 |
| 6.2 进一步研究工作与展望 | 第115-116页 |
| 致谢 | 第116-118页 |
| 参考文献 | 第118-133页 |
| 攻读博士学位期间发表的论文及科研成果 | 第133-135页 |
| 读博期间论文发表情况 | 第133-134页 |
| 读博期间参与的科研项目 | 第134-135页 |
| 读博期间所申请的专利 | 第135页 |