基于粒计算的数据挖掘研究及应用
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-14页 |
| ·本文研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·论文的结构安排 | 第13-14页 |
| 第2章 数据挖掘技术概述 | 第14-26页 |
| ·数据挖掘的定义 | 第14-17页 |
| ·数据仓库技术 | 第17-19页 |
| ·数据挖掘的任务 | 第19页 |
| ·数据挖掘的过程 | 第19-20页 |
| ·数据挖掘采用的技术及分析方法 | 第20-24页 |
| ·神经网络方法 | 第20-21页 |
| ·决策树方法 | 第21页 |
| ·遗传算法 | 第21-22页 |
| ·模糊集方法 | 第22-23页 |
| ·可视化技术 | 第23页 |
| ·支持向量机 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第3章 粒计算理论 | 第26-38页 |
| ·粒计算的基本概念 | 第26-28页 |
| ·粒计算理论的基本问题及内容 | 第28-30页 |
| ·粒化 | 第28-29页 |
| ·粒的计算 | 第29-30页 |
| ·粒计算理论的主要模型 | 第30-33页 |
| ·基于模糊信息粒化理论模型 | 第30-31页 |
| ·基于粗糙集理论的粒计算模型 | 第31页 |
| ·商空间理论的粒计算模型 | 第31-32页 |
| ·相容粒度空间模型 | 第32-33页 |
| ·粒计算理论的应用 | 第33-36页 |
| ·图形图像处理 | 第33-34页 |
| ·海量数据挖掘 | 第34-35页 |
| ·模式识别与智能控制 | 第35-36页 |
| ·复杂问题求解 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第4章 基于粒计算的数据挖掘模型 | 第38-52页 |
| ·建模理论 | 第38-40页 |
| ·功能设计 | 第40-41页 |
| ·粒计算的数据挖掘模型 | 第41-48页 |
| ·数据预处理模块 | 第43-44页 |
| ·约简模块 | 第44-45页 |
| ·基于规则挖掘模块 | 第45-47页 |
| ·决策应用模块 | 第47-48页 |
| ·基于粒计算的数据挖掘算法 | 第48-51页 |
| ·基于粒计算的关联挖掘算法基本定义 | 第48-49页 |
| ·基于粒计算的关联挖掘的算法思想 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 基于粒计算的数据挖掘模型的应用 | 第52-68页 |
| ·商空间粒计算理论方法 | 第52-56页 |
| ·商空间理论基础 | 第52-54页 |
| ·粒度理论 | 第54页 |
| ·拓扑空间 | 第54-55页 |
| ·拓扑结构的合成 | 第55-56页 |
| ·基于粒计算的商空间模型在交通信息仓库中应用 | 第56-64页 |
| ·交通信息数据处理系统模型 | 第56-57页 |
| ·交通信息仓库的数据立方体 | 第57-58页 |
| ·基于粒计算的商空间理论模型中的时间粒度 | 第58-61页 |
| ·不同层的粒度挖掘 | 第61-63页 |
| ·相同层的粒度挖掘 | 第63-64页 |
| ·基于粒计算的桩承载性能智能预测中的应用 | 第64-67页 |
| ·大型桥梁打入桩承载性能的预测 | 第64页 |
| ·桩承载力模型相关粒度 | 第64-65页 |
| ·粒度桩承载力预测模型 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| ·总结 | 第68页 |
| ·展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 附录:攻读硕士学位期间发表的论文 | 第75页 |
