基于粗糙集的数据挖掘方法研究
| 摘要 | 第1-12页 |
| Abstract | 第12-14页 |
| 第一章 绪论 | 第14-28页 |
| ·数据挖掘技术的产生背景 | 第14-16页 |
| ·商业需求分析 | 第14-15页 |
| ·技术背景分析 | 第15-16页 |
| ·数据挖掘概念 | 第16-23页 |
| ·知识发现与数据挖掘 | 第16-17页 |
| ·数据挖掘的任务 | 第17-18页 |
| ·数据挖掘的方法 | 第18-20页 |
| ·数据挖掘的工具与应用 | 第20-22页 |
| ·数据挖掘的挑战与未来的研究方向 | 第22-23页 |
| ·论文的研究内容与结构安排 | 第23-28页 |
| ·论文的主要研究内容 | 第24-25页 |
| ·论文结构 | 第25-28页 |
| 第二章 粗糙集理论 | 第28-50页 |
| ·知识表达系统 | 第29-31页 |
| ·知识表达系统 | 第29-30页 |
| ·知识表示形式 | 第30-31页 |
| ·粗糙集理论的基础知识 | 第31-38页 |
| ·不可分辨关系 | 第31页 |
| ·集合的上、下近似 | 第31-32页 |
| ·知识的简化和核 | 第32-33页 |
| ·知识的相对简化和相对核 | 第33-35页 |
| ·知识的依赖性 | 第35-36页 |
| ·属性的重要性 | 第36-37页 |
| ·决策规则 | 第37-38页 |
| ·粗糙集理论的特点 | 第38-40页 |
| ·知识的分类观点 | 第38-39页 |
| ·新型的成员关系 | 第39页 |
| ·概念的边界观点 | 第39-40页 |
| ·粗糙集理论扩展模型 | 第40-43页 |
| ·代数粗糙集模型 | 第41页 |
| ·概率粗糙集模型 | 第41-43页 |
| ·基于粗糙集理论的数据挖掘方法研究现状 | 第43-46页 |
| ·粗糙集数学性质方面的研究 | 第43页 |
| ·粗糙集模型拓展方面的研究 | 第43-44页 |
| ·粗糙集理论有效算法方面的研究 | 第44-45页 |
| ·粗糙集与其它智能分析方法的融合 | 第45-46页 |
| ·应用软件 | 第46-47页 |
| ·本章小结 | 第47-50页 |
| 第三章 基于粗糙集的数据库分解方法 | 第50-66页 |
| ·数据表分解 | 第50-52页 |
| ·属性选择量度 | 第52-53页 |
| ·分解终止量度 | 第53-54页 |
| ·数据表分解过程 | 第54-61页 |
| ·算法描述 | 第54-55页 |
| ·流程图 | 第55-56页 |
| ·算法复杂度分析 | 第56-57页 |
| ·数据表分解方法的信息论性质 | 第57-61页 |
| ·算法验证与分析 | 第61-65页 |
| ·算例分析 | 第61-63页 |
| ·UCI数据集仿真实验 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第四章 基于属性分解方法的多层分类模型 | 第66-80页 |
| ·引言 | 第66-69页 |
| ·属性选择 | 第67-68页 |
| ·属性变换 | 第68-69页 |
| ·属性分解方法 | 第69-75页 |
| ·属性成组 | 第70-71页 |
| ·属性组重要度计算 | 第71-72页 |
| ·识别中间概念层 | 第72-74页 |
| ·算法流程图 | 第74-75页 |
| ·算法验证与分析 | 第75-79页 |
| ·算例分析 | 第75-76页 |
| ·实验验证与分析 | 第76-79页 |
| ·本章小结 | 第79-80页 |
| 第五章 不完备信息系统的粗糙集分解方法 | 第80-92页 |
| ·引言 | 第80-83页 |
| ·不完备信息系统 | 第80-81页 |
| ·完备化方法 | 第81-82页 |
| ·完备化方法评价 | 第82-83页 |
| ·不完备信息系统的粗糙集分解方法 | 第83-87页 |
| ·模板评价函数 | 第83-85页 |
| ·构造中间变量 | 第85-86页 |
| ·算法流程图 | 第86-87页 |
| ·不完备信息系统分解方法的性质 | 第87页 |
| ·实例分析 | 第87-89页 |
| ·本章小结 | 第89-92页 |
| 第六章 基于粗糙集的加权聚类方法 | 第92-102页 |
| ·引言 | 第92-96页 |
| ·聚类分析 | 第92-93页 |
| ·距离尺度 | 第93-94页 |
| ·主要方法 | 第94-95页 |
| ·广义近似空间 | 第95-96页 |
| ·聚类算法 | 第96-99页 |
| ·初始等价类的产生 | 第96-97页 |
| ·等价类的消减与信息表扩展 | 第97-98页 |
| ·属性重要度的信息熵评价方法 | 第98页 |
| ·加权粗糙聚类 | 第98-99页 |
| ·算法流程图 | 第99页 |
| ·实验结果分析 | 第99-101页 |
| ·本章小结 | 第101-102页 |
| 第七章 汽轮发电机组振动的粗糙集分层故障诊断方法 | 第102-116页 |
| ·引言 | 第102-104页 |
| ·汽机振动故障诊断过程 | 第102-103页 |
| ·常见的汽机振动智能故障诊断方法 | 第103-104页 |
| ·粗糙集分层故障诊断方法 | 第104-113页 |
| ·粗糙集方法的适用性 | 第104-105页 |
| ·诊断决策表的建立 | 第105-109页 |
| ·粗糙集分层故障诊断模型 | 第109-112页 |
| ·诊断模型的流程图 | 第112-113页 |
| ·故障案例分析 | 第113-114页 |
| ·本章小结 | 第114-116页 |
| 第八章 总结与展望 | 第116-120页 |
| ·工作总结 | 第116-117页 |
| ·研究展望 | 第117-120页 |
| 参考文献 | 第120-132页 |
| 致谢 | 第132-133页 |
| 攻读博士学位期间发表或录用的文章 | 第133页 |
| 攻读博士学位期间参与的科研项目 | 第133页 |
