粗糙集及其在数据挖掘中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·概述 | 第8-9页 |
| ·论文的研究背景 | 第9-12页 |
| ·数据挖掘的特点和研究状况 | 第9-11页 |
| ·粗糙集的特点和研究状况 | 第11-12页 |
| ·论文背景及研究内容 | 第12-13页 |
| ·论文的组织与结构 | 第13-14页 |
| 第二章 粗糙集理论概述 | 第14-21页 |
| ·知识与知识库 | 第14页 |
| ·不精确范畴，近似与粗糙集 | 第14-16页 |
| ·知识约简 | 第16页 |
| ·知识的依赖性 | 第16-17页 |
| ·知识表达系统 | 第17-18页 |
| ·决策表 | 第18-19页 |
| ·可辨识矩阵和可辨识函数 | 第19-20页 |
| ·决策属性的支持度 | 第20页 |
| ·属性重要性 | 第20-21页 |
| 第三章 连续属性的离散化 | 第21-32页 |
| ·离散化问题的描述 | 第21-22页 |
| ·分层聚类的方法 | 第22页 |
| ·遗传算法 | 第22-24页 |
| ·基于遗传算法的连续属性离散化方法 | 第24-30页 |
| ·算法的基本思想 | 第24-25页 |
| ·HCGA算法描述 | 第25-27页 |
| ·仿真实验及性能评价 | 第27-30页 |
| ·本章小结 | 第30-32页 |
| 第四章 粗糙集属性约简算法 | 第32-49页 |
| ·几种典型的约简算法 | 第32-34页 |
| ·启发式属性约简算法 | 第34-38页 |
| ·改进的基于属性频率的算法 | 第38-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 粗糙集的决策规则提取算法 | 第49-63页 |
| ·风险损失因子和Bayes决策 | 第49-53页 |
| ·决策树方法 | 第53-55页 |
| ·改进的决策树规则提取算法 | 第55-61页 |
| ·本章小结 | 第61-63页 |
| 结论与展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 在读期间发表的论文及参加的科研项目 | 第68页 |
