基于粗糙集的数据挖掘方法研究
| 第1章 绪论 | 第1-32页 |
| ·研究的目的和意义 | 第10-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·知识的分类 | 第15-16页 |
| ·数据挖掘 | 第16-19页 |
| ·什么是数据挖掘 | 第16-17页 |
| ·训练集和测试集 | 第17页 |
| ·学习 | 第17-18页 |
| ·数据挖掘的功能-可以挖掘什么类型的模式 | 第18-19页 |
| ·数据挖掘同知识发现的比较 | 第19-20页 |
| ·数据挖掘的方法 | 第20-22页 |
| ·决策树方法 | 第20页 |
| ·神经网络方法 | 第20-21页 |
| ·模糊集合论方法 | 第21页 |
| ·遗传算法 | 第21页 |
| ·粗糙集方法 | 第21-22页 |
| ·粗糙集的研究现状 | 第22-27页 |
| ·粗糙集模型的推广 | 第22-24页 |
| ·不确定性问题的理论研究 | 第24-25页 |
| ·与其它处理不确定性理论、方法的结合研究 | 第25-27页 |
| ·算法研究 | 第27页 |
| ·数据挖掘的步骤 | 第27-28页 |
| ·数据挖掘系统 | 第28-29页 |
| ·本文的主要研究内容 | 第29-32页 |
| 第2章 粗糙集基本理论 | 第32-42页 |
| ·知识与分类 | 第32-33页 |
| ·不精确范畴，近似与粗糙集 | 第33-37页 |
| ·知识约简与知识的依赖性 | 第37-40页 |
| ·知识表达系统与决策表 | 第40-42页 |
| 第3章 遗传算法、信息熵和属性约简算法 | 第42-75页 |
| ·遗传算法与信息熵理论 | 第42-48页 |
| ·遗传算法介绍 | 第42页 |
| ·旋转盘算法 | 第42-43页 |
| ·遗传算法共性问题研究 | 第43-46页 |
| ·信息熵及其表示 | 第46-48页 |
| ·属性约简算法 | 第48-53页 |
| ·基于属性重要性和频度的启发式约简算法 | 第48-51页 |
| ·基于遗传算法的属性约简算法 | 第51-53页 |
| ·上述几种约简算法的分析和比较 | 第53页 |
| ·基于核子集应用遗传算法的属性约简算法 | 第53-58页 |
| ·初始化种群 | 第54-55页 |
| ·求个体目标函数，确定个体级别 | 第55页 |
| ·遗传操作 | 第55-56页 |
| ·终止条件 | 第56-58页 |
| ·示例 | 第58页 |
| ·基于GA和信息熵的混合方法研究 | 第58-63页 |
| ·信息论在决策信息系统属性约简中的应用 | 第58-62页 |
| ·熵H(R*)的求解方法 | 第62页 |
| ·条件熵H(D*R*)的求解方法 | 第62-63页 |
| ·选择算子对算法性能的影响及其改进 | 第63-68页 |
| ·遗传操作过程分析 | 第66-67页 |
| ·选择算子对算法性能的影响及其改进 | 第67-68页 |
| ·启发信息的改进 | 第68-73页 |
| ·属性重要度的完备性分析 | 第68-71页 |
| ·基于加权平均的属性重要度 | 第71-73页 |
| ·实例分析 | 第73-74页 |
| ·小结 | 第74-75页 |
| 第4章 特征矩阵与属性约简 | 第75-89页 |
| ·分辨函数与分辨矩阵 | 第75-77页 |
| ·基于特征矩阵的决策表约简 | 第77-80页 |
| ·算法存在的问题及改进 | 第80-81页 |
| ·多值决策表的约简方法 | 第81-87页 |
| ·ODT决策表 | 第81-83页 |
| ·ODT表对应的特征矩阵 | 第83-84页 |
| ·约简计算及算法改进 | 第84-87页 |
| ·实例分析 | 第87-88页 |
| ·结论 | 第88-89页 |
| 第5章 增量式规则提取方法研究 | 第89-106页 |
| ·规则提取方法 | 第89-90页 |
| ·决策表的规则提取方法 | 第89页 |
| ·举例 | 第89-90页 |
| ·增量式方法原理 | 第90-93页 |
| ·问题的提出 | 第90-92页 |
| ·增量式挖掘算法的设计原则 | 第92-93页 |
| ·基于分辨函数的增量式方法 | 第93-97页 |
| ·VPRS模型下的决策表的化简 | 第93-94页 |
| ·β_简式的分辨函数 | 第94-96页 |
| ·β_简式的增量计算 | 第96-97页 |
| ·基于特征矩阵的增量式方法 | 第97-104页 |
| ·特征矩阵的扩展定义 | 第98-100页 |
| ·基于特征矩阵的的规则提取 | 第100-101页 |
| ·基于特征矩阵的增量式规则提取方法 | 第101-104页 |
| ·算法时间复杂度分析 | 第104页 |
| ·实例分析 | 第104-105页 |
| ·结论 | 第105-106页 |
| 第6章 结论与展望 | 第106-110页 |
| ·本文工作总结 | 第106-108页 |
| ·展望 | 第108-110页 |
| 参考文献 | 第110-118页 |
| 攻读博士学位期间发表论文目录 | 第118-119页 |
| 致谢 | 第119-120页 |
| 摘要 | 第120-125页 |
| Abstracti | 第125-130页 |
