基于模糊神经网络及粗糙集的数据深度挖掘应用研究
| 摘要 | 第1页 |
| ABSTRACT | 第3-6页 |
| 第一章 引言 | 第6-9页 |
| ·神经网络及粗糙集数据挖掘建模特点 | 第6页 |
| ·国内外研究动态 | 第6-8页 |
| ·课题研究内容 | 第8页 |
| ·本文主要内容 | 第8-9页 |
| 第二章 数据挖掘 | 第9-12页 |
| ·数据挖掘简述 | 第9页 |
| ·数据挖掘的挖掘任务和挖掘技术方法 | 第9-10页 |
| ·数据挖掘工具的评价准则 | 第10-12页 |
| 第三章 T-S模糊神经网络算法及其数据挖掘中应用 | 第12-32页 |
| ·模糊神经网络概述 | 第12-15页 |
| ·人工神经网络结构 | 第12-13页 |
| ·模糊系统及模糊神经网络 | 第13-14页 |
| ·模糊系统建模方法 | 第14-15页 |
| ·人工神经网络算法 | 第15-20页 |
| ·BP神经网络 | 第15-17页 |
| ·径向基神经网络定义 | 第17-20页 |
| ·T-S模糊神经网络系统描述 | 第20-22页 |
| ·T-S模糊神经网络含噪声系统建模 | 第22-24页 |
| ·T-S模糊神经网络锅炉燃烧系统建模 | 第24-30页 |
| ·本章小结 | 第30-32页 |
| 第四章 粗糙集理论算法及其数据挖掘中应用 | 第32-49页 |
| ·粗糙集理论基本概念 | 第32-37页 |
| ·粗糙集理论的基本概念 | 第32-34页 |
| ·粗糙度与分类质量基本概念 | 第34页 |
| ·属性的重要性与属性约简 | 第34-37页 |
| ·决策规则 | 第37页 |
| ·基于粗糙集理论的数据挖掘方法 | 第37-41页 |
| ·连续属性离散化的分类 | 第37-39页 |
| ·经典离散化方法 | 第39-40页 |
| ·基于粗糙集的属性约简算法 | 第40-41页 |
| ·基于粗糙集的锅炉燃烧系统属性约简 | 第41-43页 |
| ·锅炉燃烧系统约简属性建模 | 第43-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 总结 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 在学期间发表论文和参加科研情况 | 第55页 |
