基于粗糙集和粒子群的数据挖掘方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-11页 |
| ·数据挖掘概述 | 第11-13页 |
| ·数据挖掘的发展背景 | 第11-12页 |
| ·数据挖掘的基本方法 | 第12-13页 |
| ·粗糙集理论的简介 | 第13-14页 |
| ·粗糙集理论的发展背景 | 第13页 |
| ·粗糙集理论的研究现状 | 第13-14页 |
| ·本文的工作 | 第14页 |
| ·本文研究内容与结构 | 第14-16页 |
| 第二章 预备知识 | 第16-28页 |
| ·粗糙集理论 | 第16-23页 |
| ·信息系统与不可分辨关系 | 第16-18页 |
| ·不完备信息系统与相容关系 | 第18-20页 |
| ·近似分类精度与近似分类质量 | 第20-22页 |
| ·属性约简约简原则 | 第22页 |
| ·属性约简算法分析比较 | 第22-23页 |
| ·粒子群算法相关概念 | 第23-27页 |
| ·基本原理 | 第23-26页 |
| ·基本PSO 算法含义 | 第26-27页 |
| ·基本PSO 算法的特点 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第三章 不完备决策表属性约简 | 第28-36页 |
| ·不完备信息系统简介 | 第28-29页 |
| ·数据缺失机制 | 第28页 |
| ·空值处理方法的分析比较 | 第28-29页 |
| ·基于粒子群算法的不完备决策表属性约简 | 第29-33页 |
| ·二进制粒子群设计 | 第29-30页 |
| ·编码方法 | 第30-31页 |
| ·适应度函数 | 第31-32页 |
| ·算法实现 | 第32-33页 |
| ·实验分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于复合粒子群算法的数据分类算法 | 第36-46页 |
| ·数据离散化 | 第36-38页 |
| ·连续属性离散化背景 | 第36-37页 |
| ·离散化问题的描述 | 第37页 |
| ·离散化算法的任务 | 第37-38页 |
| ·数据分类评估简介 | 第38-40页 |
| ·数据分类模型评估指标 | 第38-39页 |
| ·适应度函数分析 | 第39-40页 |
| ·基于复合粒子群算法的数据分类算法 | 第40-43页 |
| ·复合粒子群设计与编码 | 第40-42页 |
| ·复合粒子群适应度函数 | 第42页 |
| ·算法描述 | 第42-43页 |
| ·实例分析 | 第43-45页 |
| ·规则数据集实例 | 第43-44页 |
| ·不规则数据集实例 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 IPSO-RS 在网络安全分析中的应用 | 第46-53页 |
| ·网络系统安全测评的研究 | 第46-47页 |
| ·系统安全测评基本理论 | 第47-51页 |
| ·基于粗糙集的系统安全描述 | 第47-48页 |
| ·系统约简特征分析 | 第48-49页 |
| ·改进IPSO 算法 | 第49-50页 |
| ·粗糙集-粒子群算法适应度函数 | 第50-51页 |
| ·实验分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 结论与展望 | 第53-55页 |
| ·结论 | 第53页 |
| ·展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 附录A 攻读学位期间发表的论文 | 第59页 |
