| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 引言 | 第9-17页 |
| 1.1 课题的研究背景 | 第9-10页 |
| 1.2 国内外研究现状及趋势 | 第10-13页 |
| 1.2.1 建筑陶瓷产业国内外发展现状 | 第10-12页 |
| 1.2.2 数据挖掘国内外现状及趋势 | 第12-13页 |
| 1.2.3 数据挖掘在建筑陶瓷行业发展中的现状及趋势 | 第13页 |
| 1.3 课题来源和研究的意义 | 第13-14页 |
| 1.4 论文的创新点以及组织结构 | 第14-16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 相关理论分析 | 第17-36页 |
| 2.1 粗糙集理论 | 第17-26页 |
| 2.1.1 粗糙集的发展及粗糙集概述 | 第17页 |
| 2.1.2 粗糙集理论的特点及其应用 | 第17-20页 |
| 2.1.3 粗糙集的知识与分类 | 第20-22页 |
| 2.1.4 粗糙集的基本定义及其性质 | 第22-26页 |
| 2.2 决策树 | 第26-28页 |
| 2.2.1 决策树的分类思想 | 第26-28页 |
| 2.2.2 决策树的特点 | 第28页 |
| 2.3 人工神经网络 | 第28-35页 |
| 2.3.1 人工神经网络概述 | 第28页 |
| 2.3.2 人工神经网络模型 | 第28-29页 |
| 2.3.3 标准 BP 神经网络算法 | 第29-35页 |
| 2.4 本章小结 | 第35-36页 |
| 3 粗糙集决策树融合模型在建筑陶瓷原料分类中的应用与研究 | 第36-52页 |
| 3.1 算法改进 | 第36-45页 |
| 3.1.1 属性重要度约简基本概念及性质 | 第36-38页 |
| 3.1.2 属性信息量 | 第38-39页 |
| 3.1.3 属性重要度算法改进 | 第39-41页 |
| 3.1.4 决策树算法及改进 | 第41-45页 |
| 3.2 粗糙集决策树融合模型 | 第45页 |
| 3.3 粗糙集决策树在建筑陶瓷原料分类中的应用与研究 | 第45-51页 |
| 3.4 本章小结 | 第51-52页 |
| 4 粗糙集-BP 网络在建筑陶瓷缺陷分析中的应用与研究 | 第52-63页 |
| 4.1 BP 神经网络改进 | 第52-55页 |
| 4.2 粗糙集BP 网络模型 | 第55-57页 |
| 4.3 粗糙集BP 神经网络在建筑陶瓷缺陷分析中的应用与研究 | 第57-62页 |
| 4.4 本章小结 | 第62-63页 |
| 5 结论与展望 | 第63-65页 |
| 5.1 课题研究的主要工作 | 第63页 |
| 5.2 取得的成果 | 第63-64页 |
| 5.3 存在的不足 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
