| 提要 | 第3-6页 |
| 第1章 绪论 | 第6-18页 |
| 1.1 数据挖掘与知识发现简介 | 第6-8页 |
| 1.1.1 数据挖掘与知识发现的过程 | 第6-7页 |
| 1.1.2 数据挖掘方法与相关领域 | 第7页 |
| 1.1.3 数据挖掘的任务 | 第7-8页 |
| 1.2 数据挖掘中的分类方法 | 第8-16页 |
| 1.2.1 决策树 | 第9-11页 |
| 1.2.2 AQ | 第11-12页 |
| 1.2.3 贝叶斯分类 | 第12-14页 |
| 1.2.4 支持向量机 | 第14页 |
| 1.2.5 神经网络 | 第14-15页 |
| 1.2.6 基于遗传算法的分类 | 第15页 |
| 1.2.7 分类方法的评估 | 第15-16页 |
| 1.3 粗糙集理论简介 | 第16-17页 |
| 1.4 本文的主要内容 | 第17-18页 |
| 第2章 粗糙集理论基础 | 第18-26页 |
| 2.1 不可区分关系 | 第18-19页 |
| 2.2 上近似和下近似 | 第19-21页 |
| 2.3 粗糙集的数字特征 | 第21-22页 |
| 2.4 约简 | 第22-23页 |
| 2.5 相对约简 | 第23-24页 |
| 2.6 知识的依赖性 | 第24页 |
| 2.7 粗糙集原型系统与应用 | 第24-26页 |
| 第3章 粗糙集约简算法 | 第26-31页 |
| 3.1 基于区分矩阵的算法 | 第26页 |
| 3.2 基于属性重要性的算法 | 第26-27页 |
| 3.3 基于属性频度的约简 | 第27页 |
| 3.4 遗传算法 | 第27-28页 |
| 3.5 复合系统的约简 | 第28页 |
| 3.6 扩展法则 | 第28页 |
| 3.7 动态约简与基于采样的约简 | 第28-29页 |
| 3.8 基于数据库操作的约简 | 第29页 |
| 3.9 粗糙集模型扩展 | 第29-31页 |
| 3.9.1 可变精度粗糙集模型 | 第29-30页 |
| 3.9.2 相似模型 | 第30-31页 |
| 第4章 基于区分能力指数的信息系统划分及约简算法 | 第31-43页 |
| 4.1 信息系统 | 第31-33页 |
| 4.2 基于区分能力指数的信息系统划分及约简算法思想 | 第33-34页 |
| 4.3 属性的区分能力指数 | 第34-36页 |
| 4.4 基于区分能力指数的复合信息系统划分及约简算法 | 第36-43页 |
| 4.4.1 基本算法 | 第36-37页 |
| 4.4.2 考虑公共项的约简算法 | 第37-39页 |
| 4.4.3 考虑公共项和频繁项的约简算法 | 第39-40页 |
| 4.4.4 考虑频繁项的带有近似精度阈值的约简算法 | 第40-43页 |
| 第5章 基于区分能力指数的决策表划分及相对约简算法 | 第43-50页 |
| 5.1 决策表 | 第43-45页 |
| 5.2 属性的拟等价类和区分能力指数 | 第45-46页 |
| 5.3 基于区分能力指数的决策表划分及相对约简算法 | 第46-47页 |
| 5.4 带有近似精度阈值的相对约简算法 | 第47页 |
| 5.5 关于系统划分依据的讨论 | 第47-48页 |
| 5.6 实验数据分析 | 第48页 |
| 5.7 决策规则 | 第48-50页 |
| 第6章 总结 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间参加科研及发表论文情况 | 第56-57页 |
| 附录 | 第57-58页 |
| 摘要 | 第58-60页 |
| Abstract | 第60页 |
