| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景和意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·数据流分类研究现状 | 第13-15页 |
| ·粗糙集神经网络研究现状 | 第15-16页 |
| ·研究内容及创新点 | 第16-17页 |
| ·研究内容 | 第16-17页 |
| ·创新点 | 第17页 |
| ·本文的组织结构 | 第17-19页 |
| 第2章 相关理论基础 | 第19-33页 |
| ·数据流 | 第19-24页 |
| ·数据流的定义及特点 | 第19-20页 |
| ·数据流模型 | 第20-21页 |
| ·数据流数据挖掘结构图及其技术 | 第21-24页 |
| ·粗糙集 | 第24-27页 |
| ·粗糙集概述 | 第24-26页 |
| ·粗糙集的基本概念 | 第26-27页 |
| ·神经网络 | 第27-32页 |
| ·神经网络简介 | 第27页 |
| ·神经网络模型和结构 | 第27-30页 |
| ·改进的 BP 神经网络 | 第30-31页 |
| ·BP 神经网络的结构设计 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于粗糙集和神经网络多分类器集成的数据流分类模型构建 | 第33-47页 |
| ·粗糙集和神经网络的结合 | 第33-36页 |
| ·两种方法优势互补 | 第33-34页 |
| ·两种方法结合的方式 | 第34-36页 |
| ·数据流分类预测模型的构建思想及流程图 | 第36-38页 |
| ·模型构建思想 | 第36-37页 |
| ·模型流程图 | 第37-38页 |
| ·构建模型 | 第38-46页 |
| ·数据预处理 | 第38-39页 |
| ·基于特征选择的属性约简方法 | 第39-40页 |
| ·BP 神经网络各层参数的选择 | 第40-41页 |
| ·集成分类器方法 | 第41-44页 |
| ·神经网络多分类器集成用于数据流分类 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 仿真实验与结果分析 | 第47-54页 |
| ·实验数据 | 第47页 |
| ·连续属性离散化 | 第47-49页 |
| ·粗糙集属性约简 | 第49页 |
| ·对比实验 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| ·工作总结 | 第54页 |
| ·研究展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间科研及发表论文情况 | 第60页 |