基于粗糙集的数据离散化方法研究
| 内容提要 | 第1-8页 |
| 第1章 绪论 | 第8-10页 |
| ·本文的背景及目的 | 第8-9页 |
| ·本文组织 | 第9-10页 |
| 第2章 数据库中的知识发现 | 第10-12页 |
| ·引言 | 第10页 |
| ·数据库中的知识发现（KDD） | 第10-11页 |
| ·KDD的定义 | 第10-11页 |
| ·KDD的处理过程 | 第11页 |
| ·知识发现的核心--数据挖掘 | 第11-12页 |
| 第3章 数据离散化 | 第12-21页 |
| ·数据离散化介绍 | 第12-14页 |
| ·数据离散化的重要性 | 第12-13页 |
| ·数据离散化算法的任务 | 第13页 |
| ·数据离散化算法的评价标准 | 第13-14页 |
| ·数据离散化算法 | 第14-20页 |
| ·离散化算法的发展 | 第14-15页 |
| ·离散化算法的分类 | 第15-16页 |
| ·几种典型的离散化算法 | 第16-20页 |
| ·小结 | 第20-21页 |
| 第4章 粗糙集理论及其应用 | 第21-27页 |
| ·引言 | 第21页 |
| ·粗糙集理论的一些基本概念 | 第21-22页 |
| ·知识的含义 | 第21-22页 |
| ·不可分辨关系与基本集 | 第22页 |
| ·粗糙集理论的特点 | 第22-23页 |
| ·粗糙集是一种软计算方法 | 第22页 |
| ·粗糙集理论的特点 | 第22-23页 |
| ·粗糙集理论的应用 | 第23-26页 |
| ·人工神经网络训练样本集化简 | 第23页 |
| ·控制算法获取 | 第23-24页 |
| ·决策支持系统 | 第24-25页 |
| ·从数据库中发现知识 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第5章 基于信息熵的粗糙集离散化算法 | 第27-42页 |
| ·信息系统 | 第27-29页 |
| ·知识的分类概念 | 第27-28页 |
| ·决策表 | 第28-29页 |
| ·信息熵 | 第29-32页 |
| ·信息熵历史与发展 | 第29-30页 |
| ·信息熵的定义和性质 | 第30-32页 |
| ·小结 | 第32页 |
| ·一种基于信息熵的粗糙集离散化算法 | 第32-36页 |
| ·粗糙集与离散化问题的描述 | 第32-34页 |
| ·算法实现 | 第34-36页 |
| ·小结 | 第36页 |
| ·改进的基于信息熵的粗糙集离散化算法 | 第36-42页 |
| ·改进算法的提出 | 第36-37页 |
| ·改进算法的实现 | 第37-39页 |
| ·改进算法的验证 | 第39-41页 |
| ·小结 | 第41-42页 |
| 第6章 实验结果讨论与评价 | 第42-46页 |
| ·实验环境 | 第42页 |
| ·实验过程 | 第42-44页 |
| ·输入数据 | 第42-43页 |
| ·算法仿真实验 | 第43-44页 |
| ·结果讨论与评价 | 第44-46页 |
| 第7章 总结与展望 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 致谢 | 第49-50页 |
| 摘要 | 第50-53页 |
| Abstract | 第53-56页 |
