| 第一章 绪论 | 第1-18页 |
| ·研究工作的背景 | 第9-15页 |
| ·基于粗糙集的数据挖掘过程 | 第15-16页 |
| ·本文的研究内容及结构安排 | 第16-18页 |
| 第二章 粗糙集理论概述 | 第18-26页 |
| 第三章 不完备信息系统的完备化方法 | 第26-34页 |
| ·属性的分类 | 第26-27页 |
| ·信息系统完备化的一般方法 | 第27-28页 |
| ·离散型属性的决策表补齐算法 | 第28-30页 |
| ·连续型属性的决策表补齐算法 | 第30-31页 |
| ·序数型属性的决策表补齐算法 | 第31-33页 |
| ·小结 | 第33-34页 |
| 第四章 连续属性的离散化方法 | 第34-52页 |
| ·离散化问题的描述 | 第34页 |
| ·离散化的重要性 | 第34-35页 |
| ·离散化算法的评价标准 | 第35页 |
| ·连续属性的离散化方法概述 | 第35-39页 |
| ·基于距离与信息增益相结合的连续属性离散化方法 | 第39-46页 |
| ·基于置信度的连续属性离散化方法 | 第46-51页 |
| ·小结 | 第51-52页 |
| 第五章 属性约简 | 第52-66页 |
| ·基于可辨识矩阵和逻辑运算的属性约简算法的改进 | 第52-58页 |
| ·基于广义信息表求最小属性约简 | 第58-62页 |
| ·基于距离图的决策表属性约简算法 | 第62-65页 |
| ·小结 | 第65-66页 |
| 第六章 最小决策算法 | 第66-84页 |
| ·基于可辨识矩阵求最小决策算法 | 第66-68页 |
| ·基于广义信息表求最小决策算法 | 第68-70页 |
| ·基于决策树的最小决策算法 | 第70-83页 |
| ·小结 | 第83-84页 |
| 第七章 传统粗糙集的的扩展 | 第84-95页 |
| ·连续值域决策表的决策算法 | 第84-89页 |
| ·基于粗糙集的不完备信息系统的约简算法 | 第89-94页 |
| ·小结 | 第94-95页 |
| 第八章 样本分类算法 | 第95-103页 |
| ·基于相似度的样本分类方法 | 第98-101页 |
| ·基于粗糙集的加权综合分类方法 | 第101-102页 |
| ·小结 | 第102-103页 |
| 第九章 粗糙集的代数性质 | 第103-117页 |
| ·半群中的粗模糊理想 | 第104-106页 |
| ·模糊同余关系及其截关系 | 第106-110页 |
| ·粗糙集的Lukasicwicz三值代数 | 第110-116页 |
| ·小结 | 第116-117页 |
| 参考文献 | 第117-124页 |
| 博士期间发表论文 | 第124-125页 |
| 附录一 属性约简及样本分类软件 | 第125-130页 |
| 附录二 基于距离与信息增益相结合的离散化算法部分程序清单 | 第130-134页 |
| 附录三 改进算法的部分程序清单 | 第134-138页 |
| 附录四 基于广义信息表的最小属性约简算法部分程序清单 | 第138-143页 |
| 附录五 基于相似度的样本分类算法部分程序清单 | 第143-147页 |
| 附录六 基于粗糙集的加权综合分类算法部分程序清单 | 第147-151页 |
| 致谢 | 第151页 |