基于粗糙集理论的数据挖掘模型及属性约简算法研究
| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 概述 | 第8-9页 |
| 1.2 论文的研究背景 | 第9-12页 |
| 1.2.1 数据挖掘研究状况 | 第9-11页 |
| 1.2.2 粗糙集理论研究状况 | 第11-12页 |
| 1.3 论文背景及研究内容 | 第12页 |
| 1.4 论文组织与结构 | 第12-14页 |
| 2 粗糙集理论 | 第14-21页 |
| 2.1 基本概念 | 第14-15页 |
| 2.1.1 知识与知识库 | 第14页 |
| 2.1.2 等价关系 | 第14-15页 |
| 2.1.3 近似空间与粗糙集 | 第15页 |
| 2.1.4 粗糙集中域理论 | 第15页 |
| 2.2 信息系统 | 第15-17页 |
| 2.3 属性的依赖性 | 第17页 |
| 2.4 属性的重要性 | 第17页 |
| 2.5 粗糙熵 | 第17-18页 |
| 2.6 约简 | 第18页 |
| 2.6.1 属性的约简 | 第18页 |
| 2.6.2 属性值的约简 | 第18页 |
| 2.7 粗糙集的扩展模型 | 第18-21页 |
| 2.7.1 可变精度粗糙集模型 | 第18-19页 |
| 2.7.2 相似模型 | 第19-20页 |
| 2.7.3 非单调逻辑模型 | 第20-21页 |
| 3 基于粗糙集理论的数据挖掘模型 | 第21-33页 |
| 3.1 数据挖掘模型 | 第21-24页 |
| 3.2 基于粗糙集理论的数据挖掘 | 第24-29页 |
| 3.2.1 数据预处理 | 第24-27页 |
| 3.2.2 约简部分 | 第27-28页 |
| 3.2.3 规则生成与综合部份 | 第28-29页 |
| 3.2.4 小结 | 第29页 |
| 3.3 数据挖掘模型的进一步展望 | 第29-32页 |
| 3.4 小结 | 第32-33页 |
| 4 粗糙集理论的约简算法的研究 | 第33-46页 |
| 4.1 粗糙集理论约简算法概述 | 第33-36页 |
| 4.1.1 属性约简 | 第33-34页 |
| 4.1.2 一些典型的约简算法 | 第34-36页 |
| 4.2 可辨识矩阵与可辨识函数 | 第36-37页 |
| 4.2.1 可辨识矩阵 | 第36页 |
| 4.2.2 可辨识函数 | 第36-37页 |
| 4.3 属性频率函数启发的约简算法研究 | 第37-39页 |
| 4.3.1 算法的基本思想 | 第37-38页 |
| 4.3.2 算法的复杂度分析 | 第38页 |
| 4.3.3 算法的讨论与研究 | 第38-39页 |
| 4.4 Jelonek约简算法研究 | 第39-41页 |
| 4.4.1 Jelonek算法原理 | 第39-40页 |
| 4.4.2 Jelonek算法复杂度分析 | 第40页 |
| 4.4.3 Jelonek算法研究与讨论 | 第40-41页 |
| 4.5 基于属性频率函数的改进Jelonek算法 | 第41-45页 |
| 4.5.1 算法的基本原理与描述 | 第41-43页 |
| 4.5.2 算法复杂度分析 | 第43页 |
| 4.5.3 实验结果分析 | 第43-45页 |
| 4.5.4 小结 | 第45页 |
| 4.6 本章小结 | 第45-46页 |
| 5 结论 | 第46-48页 |
| 5.1 工作小结 | 第46页 |
| 5.2 研究工作展望 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 附录 | 第51-60页 |
