| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外相关研究历史与现状 | 第11-15页 |
| ·粗糙集的研究历史与现状 | 第11-12页 |
| ·粗糙集知识约简的研究历史与现状 | 第12-14页 |
| ·SOM 神经网络的研究历史与现状 | 第14-15页 |
| ·粗糙集与SOM 神经网络相结合的研究历史与现状 | 第15页 |
| ·本文的研究工作 | 第15-16页 |
| ·知识分类新模型 | 第15-16页 |
| ·属性约简新算法 | 第16页 |
| ·本文的组织 | 第16-18页 |
| 第二章 预备知识 | 第18-24页 |
| ·粗糙集的基本理论 | 第18-20页 |
| ·近似空间 | 第18页 |
| ·近似空间与不可分辨关系 | 第18-19页 |
| ·知识与知识库 | 第19-20页 |
| ·上下近似与粗糙集 | 第20页 |
| ·粗糙集知识约简基本理论 | 第20-21页 |
| ·约简与核 | 第20-21页 |
| ·SOM 神经网络的基本理论 | 第21-23页 |
| ·SOM 网的生物学基础 | 第21页 |
| ·SOM 神经网络的组成 | 第21-22页 |
| ·SOM 神经网络学习算法 | 第22-23页 |
| 本章小结 | 第23-24页 |
| 第三章 基于粗糙集和SOM 神经网络的知识分类的算法模型 | 第24-49页 |
| ·算法模型 | 第24-25页 |
| ·数据输入模块 | 第25-28页 |
| ·数据来源的项目依托 | 第26-27页 |
| ·数据来源基础 | 第27-28页 |
| ·数据预处理模块 | 第28-35页 |
| ·ADO 读写模块 | 第28-31页 |
| ·数据属性的提取 | 第31-34页 |
| ·对连续知识进行离散化处理 | 第34-35页 |
| ·属性约简模块 | 第35-43页 |
| ·属性活跃度计算 | 第36-37页 |
| ·聚类分析 | 第37-39页 |
| ·盲目删除属性约简算法 | 第39-41页 |
| ·基于聚类及活跃度排序的删除属性约简算法 | 第41-42页 |
| ·基于属性活跃度的约简算法有效性分析 | 第42-43页 |
| ·SOM 数据聚类模块 | 第43-48页 |
| ·Kohonen 学习算法 | 第44-46页 |
| ·SOM 聚类模块的实现 | 第46-48页 |
| 本章小结 | 第48-49页 |
| 第四章 系统实现 | 第49-59页 |
| ·系统环境 | 第49页 |
| ·数据预处理模块的程序实现 | 第49-53页 |
| ·属性约简算法的程序实现 | 第53-56页 |
| ·SOM 神经网络聚类算法的程序实现 | 第56-58页 |
| 本章小结 | 第58-59页 |
| 第五章 总结与回顾 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-64页 |
| 在攻读硕士研究生期间发表的论文 | 第64-65页 |
| 个人简历 | 第65页 |