| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究的目的和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·基于粗糙集理论的数据挖掘中的若干基本问题 | 第10-11页 |
| ·论文的主要研究工作 | 第11-12页 |
| ·论文的组织与结构 | 第12-13页 |
| 第二章 数据挖掘与粗糙集理论 | 第13-20页 |
| ·数据库中的知识发现与数据挖掘 | 第13-14页 |
| ·数据挖掘简介 | 第14-16页 |
| ·数据挖掘的方法 | 第14-15页 |
| ·实施数据挖掘项目应考虑的问题 | 第15-16页 |
| ·粗糙集理论的特点 | 第16-17页 |
| ·基于粗糙集理论的数据挖掘模型 | 第17-19页 |
| ·小结 | 第19-20页 |
| 第三章 粗糙集理论的代数表示与信息表示 | 第20-33页 |
| ·粗糙集理论的代数表示 | 第20-26页 |
| ·知识与等价关系 | 第20-22页 |
| ·知识表达系统和决策表 | 第22页 |
| ·近似集、边界区和粗糙集 | 第22-23页 |
| ·属性约简、核和重要度 | 第23-26页 |
| ·粗糙集理论的信息表示 | 第26-30页 |
| ·信息熵与条件熵 | 第26页 |
| ·知识与信息熵的关系 | 第26-29页 |
| ·一般信息表的知识约简 | 第29页 |
| ·决策表的知识约简 | 第29-30页 |
| ·属性重要度 | 第30页 |
| ·粗糙集理论代数表示与信息表示的关系 | 第30-32页 |
| ·属性重要度的代数定义与信息定义的关系 | 第30-31页 |
| ·约简运算的代数描述和信息描述之间的关系 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第四章 基于信息熵的一种决策表约简算法 | 第33-39页 |
| ·引言 | 第33页 |
| ·基于信息熵的绝对核算法 | 第33-35页 |
| ·基于信息熵的决策表约简算法 | 第35-37页 |
| ·算法描述 | 第35-37页 |
| ·算法时间复杂度分析 | 第37页 |
| ·实例分析 | 第37-38页 |
| ·结论 | 第38-39页 |
| 第五章 基于粗糙集理论的分层递阶约简算法 | 第39-56页 |
| ·引言 | 第39-40页 |
| ·粗糙集理论的分层递阶约简算法 | 第40-45页 |
| ·分层递阶约简算法 | 第40-41页 |
| ·分层递阶约简算法的信息理论基础 | 第41-45页 |
| ·分层递阶约简算法的性质 | 第45页 |
| ·粗糙集理论的分层递阶约简算法示例 | 第45-50页 |
| ·水泥窑炉操作记录决策表的分层递阶约简 | 第47页 |
| ·信息熵计算验证 | 第47-49页 |
| ·分层递阶约简的实用性 | 第49-50页 |
| ·基于属性重要度的分层递阶约简算法 | 第50-51页 |
| ·改进的基于属性重要度的分层递阶约简算法 | 第50-51页 |
| ·算法比较分析 | 第51页 |
| ·改进的分层递阶约简算法示例 | 第51-55页 |
| ·人才引进事例决策表的分层递阶约简 | 第52-53页 |
| ·信息熵计算验证 | 第53-55页 |
| ·结论 | 第55-56页 |
| 第六章 基于新的属性重要度的属性约简算法 | 第56-64页 |
| ·引言 | 第56页 |
| ·属性的重要度分析及其计算 | 第56-58页 |
| ·属性重要度的计算方法 | 第58-62页 |
| ·下面给出信息系统S=(U，A，V，f)中计算X/{a}的算法 | 第60-61页 |
| ·下面给出信息系统S=(U，A，V，f)的属性约简算法 | 第61页 |
| ·算法复杂度分析 | 第61-62页 |
| ·实例分析 | 第62-63页 |
| ·结论 | 第63-64页 |
| 第七章 总结与展望 | 第64-66页 |
| ·工作总结 | 第64-65页 |
| ·进一步的研究工作 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 附录A(攻读硕士学位期间发表论文情况) | 第72页 |