| 内容提要 | 第1-8页 |
| 第一章 绪论 | 第8-22页 |
| ·研究背景 | 第8-9页 |
| ·数据挖掘概述 | 第9-15页 |
| ·什么是数据挖掘 | 第9-11页 |
| ·数据挖掘的任务 | 第11页 |
| ·数据挖掘的方法 | 第11-14页 |
| ·数据挖掘的步骤 | 第14-15页 |
| ·粗糙集概述 | 第15-19页 |
| ·粗糙集理论的产生 | 第15-16页 |
| ·粗糙集理论的优势 | 第16-17页 |
| ·粗糙集理论的研究现状 | 第17-19页 |
| ·群体智能概述 | 第19-20页 |
| ·本文的工作 | 第20-22页 |
| ·研究路线和方法 | 第20-21页 |
| ·本文的组织 | 第21-22页 |
| 第二章 粗糙集理论及基于粗糙集的属性约简方法 | 第22-45页 |
| ·粗糙集理论的基本概念 | 第22-31页 |
| ·知识与分类 | 第23-25页 |
| ·下近似与上近似 | 第25-26页 |
| ·知识的约简 | 第26-29页 |
| ·信息系统和决策表 | 第29-31页 |
| ·基于粗糙集的属性约简方法 | 第31-40页 |
| ·基于特征矩阵的属性约简 | 第31-35页 |
| ·基于属性重要性和频度的启发式约简算法 | 第35-37页 |
| ·基于遗传算法的属性约简算法 | 第37-40页 |
| ·Bjorvand 和 Komorowski 提出的遗传算法 | 第37-38页 |
| ·启发式的遗传算法 | 第38-39页 |
| ·基于核子集应用遗传算法的属性约简算法 | 第39-40页 |
| ·基于幂集演化的属性约简方法 | 第40-44页 |
| ·初始化种群 | 第40-41页 |
| ·幂集空间上的个体评价 | 第41页 |
| ·幂集空间上的遗传操作 | 第41-42页 |
| ·终止条件 | 第42页 |
| ·算法与示例 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第三章 群体智能与粒子群优化 | 第45-82页 |
| ·群体智能简述 | 第45-46页 |
| ·群体智能算法模式 | 第46-48页 |
| ·几种群体智能方法 | 第48-58页 |
| ·蚁群优化算法 | 第48-53页 |
| ·蚁群优化算法原理 | 第49-50页 |
| ·基本蚁群优化算法 | 第50-52页 |
| ·蚁群优化算法的优点及存在的问题 | 第52-53页 |
| ·蚁群聚类算法 | 第53-58页 |
| ·蚁群聚类算法原理 | 第53-54页 |
| ·LF 蚁群聚类算法 | 第54-57页 |
| ·LF 蚁群聚类算法存在的问题及改进 | 第57-58页 |
| ·粒子群优化算法 | 第58页 |
| ·粒子群优化算法 | 第58-81页 |
| ·粒子群优化算法起源 | 第58-59页 |
| ·粒子群优化算法的研究现状 | 第59-60页 |
| ·标准粒子群优化算法 | 第60-62页 |
| ·粒子群优化的两种改进策略 | 第62-68页 |
| ·模拟退火粒子群优化方法 | 第63-65页 |
| ·有分工策略的粒子群优化方法 | 第65-68页 |
| ·动态优化环境下的两种改进策略 | 第68-74页 |
| ·粒子群优化算法的参数确定 | 第74-81页 |
| ·微分演化方法 | 第74-77页 |
| ·用DE 方法确定PSO 的最佳参数 | 第77-81页 |
| ·小结 | 第81-82页 |
| 第四章 基于改进二进制粒子群优化的属性约简 | 第82-98页 |
| ·引言 | 第82页 |
| ·二进制粒子群优化 | 第82-87页 |
| ·二进制粒子群的实现原理及存在的问题 | 第84-86页 |
| ·二进制粒子群算法与遗传算法的比较 | 第86-87页 |
| ·改进的二进制粒子群优化 | 第87-92页 |
| ·模拟退火算法 | 第88-90页 |
| ·基于退火选择和弱群变异的二进制粒子群优化 | 第90-92页 |
| ·改进的二进制粒子群优化属性约简算法 | 第92-97页 |
| ·二进制粒子群优化属性约简算法 | 第92-93页 |
| ·基于改进策略的属性约简 | 第93-95页 |
| ·应用实例 | 第95-97页 |
| ·油田套管损坏与套损成因的确定 | 第95-96页 |
| ·约简结果 | 第96-97页 |
| ·小结 | 第97-98页 |
| 第五章 基于神经粒子群方法的时间序列预测 | 第98-120页 |
| ·时间序列数据挖掘 | 第98-102页 |
| ·时间序列数据挖掘简介 | 第98-99页 |
| ·时间序列数据挖掘主要研究内容 | 第99-102页 |
| ·时间序列预测 | 第102-107页 |
| ·时间序列预测的本质 | 第103页 |
| ·时间序列预测的主要方法 | 第103-107页 |
| ·基于神经网络的时间序列预测模型 | 第107-114页 |
| ·神经网络介绍 | 第108-110页 |
| ·神经网络模型分类 | 第110-111页 |
| ·BP 神经网络 | 第111-114页 |
| ·使用神经网络预测的步骤 | 第114页 |
| ·神经粒子群方法及其在套损反演中的应用 | 第114-119页 |
| ·神经粒子群方法 | 第115-116页 |
| ·用于套管损坏预测的神经粒子群模型 | 第116-118页 |
| ·神经粒子群方法在套损反演中的应用 | 第118-119页 |
| ·小结 | 第119-120页 |
| 第六章 结论与展望 | 第120-123页 |
| ·本文工作总结 | 第120-122页 |
| ·展望 | 第122-123页 |
| 参考文献 | 第123-129页 |
| 作者读博士期间发表的论文 | 第129-130页 |
| 致谢 | 第130-131页 |
| 摘要 | 第131-134页 |
| ABSTRACT | 第134-137页 |