中文摘要 | 第1-4页 |
Abstract | 第4-9页 |
第一章 绪论 | 第9-16页 |
·研究背景与意义 | 第9-10页 |
·数据挖掘 | 第10-13页 |
·数据挖掘定义 | 第10-11页 |
·KDD过程 | 第11-12页 |
·KDD的主要研究方向 | 第12-13页 |
·专家系统中知识获取的瓶颈问题 | 第13-14页 |
·拟解决的问题 | 第14-15页 |
·本论文的结构 | 第15-16页 |
第二章 知识发现研究 | 第16-35页 |
·数据库中知识发现(KDD)研究 | 第16-18页 |
·KDD的定义 | 第16-17页 |
·KDD的特点 | 第17-18页 |
·范例库中知识发现(KDC)研究 | 第18-21页 |
·范例推理(CBR) | 第18页 |
·基于知识发现的范例推理 | 第18-20页 |
·范例库中知识发现的主要目标 | 第20-21页 |
·知识库中新的知识发现(KDK)研究 | 第21-24页 |
·基于属性的知识表示方法 | 第23页 |
·产生式规则形式的规则发现算法 | 第23-24页 |
·知识发现的种类 | 第24-25页 |
·知识发现的方法 | 第25-34页 |
·统计方法 | 第25-27页 |
·机器学习方法 | 第27-30页 |
·计算智能方法 | 第30-33页 |
·可视化数据挖掘 | 第33-34页 |
·小结 | 第34-35页 |
第三章 概念分层研究 | 第35-47页 |
·概念分层(Concept Hierarchy)的基本概念 | 第35-38页 |
·几个定义 | 第36-38页 |
·概念分层树的组织 | 第38页 |
·概念分层的类型 | 第38-40页 |
·模式分层 | 第38-39页 |
·集合分组分层 | 第39页 |
·操作导出的分层 | 第39页 |
·基于规则的分层 | 第39-40页 |
·基于概念分层的知识表示 | 第40-43页 |
·层次分类系统 | 第40-41页 |
·分类和编码问题 | 第41-43页 |
·离散化和概念分层的产生 | 第43-45页 |
·概念分层在KDK中的作用 | 第45-46页 |
·小结 | 第46-47页 |
第四章 多层关联规则挖掘算法研究 | 第47-63页 |
·单层关联规则(Single-Level Association Rules) | 第47-54页 |
·发现关联规则的背景 | 第47-48页 |
·关联规则的定义 | 第48-49页 |
·关联规则的典型算法 | 第49-52页 |
·关联规则算法的分析 | 第52-54页 |
·多层关联规则(Multiple-Level Association Rules) | 第54-56页 |
·一致支持度 | 第54-55页 |
·递减支持度 | 第55-56页 |
·一种混合分类模型的关联规则树 | 第56-60页 |
·背景知识 | 第57-58页 |
·关联规则树分类模型 | 第58-60页 |
·关联规则冗余性的处理 | 第60-62页 |
·小结 | 第62-63页 |
第五章 知识发现在专家系统中应用研究 | 第63-80页 |
·专家系统的知识获取 | 第63-67页 |
·专家系统 | 第63-65页 |
·知识获取 | 第65-66页 |
·知识获取和知识发现的融合 | 第66-67页 |
·专家系统的知识表示 | 第67-72页 |
·医学领域(糖尿病关联)知识的概念分层表示 | 第67-71页 |
·概念分层树的编码 | 第71-72页 |
·概念分层知识库中知识发现方法 | 第72-78页 |
·多层关联规则挖掘方法在概念分层知识库中应用 | 第72-75页 |
·混合层(Mixed Hierarchies)关联规则挖掘 | 第75-76页 |
·交叉层(Cross Hierarchies)关联规则挖掘 | 第76-78页 |
·知识检验 | 第78页 |
·知识发现与专家系统的集成方式 | 第78-79页 |
·小结 | 第79-80页 |
第六章 概念分层知识库中知识发现(KDCHK)系统设计 | 第80-91页 |
·体系结构 | 第80-82页 |
·KDCHK操作流程图 | 第82-83页 |
·应用举例 | 第83-89页 |
·小结 | 第89-91页 |
第七章 总结与展望 | 第91-93页 |
·总结 | 第91-92页 |
·展望 | 第92-93页 |
参考文献 | 第93-102页 |
发表论文和参加科研情况说明 | 第102-103页 |
致谢 | 第103页 |