基于决策树和信息熵的属性约简算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状及应用 | 第11-14页 |
| ·论文结构 | 第14-16页 |
| 第2章 数据挖掘及粗糙集简述 | 第16-26页 |
| ·数据挖掘 | 第16-19页 |
| ·数据挖掘的概念及分类 | 第16-18页 |
| ·数据挖掘的功能及步骤 | 第18-19页 |
| ·粗糙集 | 第19-25页 |
| ·基本概念 | 第19-23页 |
| ·属性约简 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 粗糙集属性约简算法 | 第26-34页 |
| ·一般属性约简算法 | 第26-27页 |
| ·基于重要度的属性约简算法 | 第27-28页 |
| ·基于信息熵的属性约简算法 | 第28页 |
| ·基于差别矩阵的属性约简算法 | 第28-31页 |
| ·实例分析 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第4章 变精度粗糙集的决策树构造算法 | 第34-46页 |
| ·决策树 | 第34-35页 |
| ·变精度粗糙集 | 第35-37页 |
| ·基于变精度粗糙集的决策树构造算法 | 第37-40页 |
| ·分类属性的选择 | 第37页 |
| ·叶节点的选择 | 第37-38页 |
| ·算法描述 | 第38-40页 |
| ·实例分析 | 第40-44页 |
| ·本章小结 | 第44-46页 |
| 第5章 基于自适应粒子群和信息熵的属性约简算法 | 第46-60页 |
| ·模糊粗糙集的基本概念 | 第46-49页 |
| ·模糊等价关系的构造 | 第49-50页 |
| ·基于自适应粒子群的模糊C均值聚类算法 | 第50-56页 |
| ·模糊C均值聚类算法 | 第50-51页 |
| ·自适应粒子群算法 | 第51-53页 |
| ·算法描述 | 第53-54页 |
| ·实例分析 | 第54-56页 |
| ·基于自适应粒子群和信息熵的属性约简算法 | 第56页 |
| ·实例分析 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 第6章 结论与展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 作者攻读硕士学位期间主要成果 | 第70页 |
