智能化数据预处理系统的研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·预处理过程智能化 | 第11-12页 |
| ·算法选择智能化 | 第12页 |
| ·本文研究内容 | 第12-13页 |
| ·本文的组织架构 | 第13-15页 |
| 第二章 数据预处理概述 | 第15-23页 |
| ·数据预处理概述 | 第15-16页 |
| ·数据预处理必要性 | 第16-17页 |
| ·数据预处理的内容 | 第17-19页 |
| ·预处理的主要方法 | 第19-20页 |
| ·数据预处理的方式 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 论文关键技术 | 第23-42页 |
| ·agent 技术 | 第23-27页 |
| ·agent 特性 | 第23-25页 |
| ·agent 的表示和推理 | 第25-26页 |
| ·多agent 系统 | 第26-27页 |
| ·agent 在数据挖掘中的应用 | 第27页 |
| ·数据离散 | 第27-32页 |
| ·离散化概念 | 第28-29页 |
| ·离散化方法 | 第29-32页 |
| ·离散化结果评价 | 第32页 |
| ·粗糙集理论(RST) | 第32-41页 |
| ·RST 的基本理论 | 第33-39页 |
| ·粗糙集知识表达 | 第33-36页 |
| ·知识约简 | 第36-39页 |
| ·RS 获取知识的过程 | 第39页 |
| ·粗糙集理论的特点 | 第39页 |
| ·RST 在数据挖掘中的应用 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 智能化数据预处理推荐系统 | 第42-59页 |
| ·系统总体框架及流程 | 第42-47页 |
| ·系统总体框架 | 第42-46页 |
| ·系统运行机制 | 第46-47页 |
| ·智能推荐模型 | 第47-50页 |
| ·机器学习模型 | 第47页 |
| ·基于RS 的智能学习模型 | 第47-48页 |
| ·智能推荐逻辑 | 第48-50页 |
| ·智能离散化推荐子系统 | 第50-52页 |
| ·离散化推荐原理 | 第50页 |
| ·离散化推荐流程 | 第50-51页 |
| ·离散化知识库的构建 | 第51-52页 |
| ·实验过程和结果分析 | 第52-57页 |
| ·确定类值 | 第52-55页 |
| ·实验结果和分析 | 第55-57页 |
| ·系统不足和改进 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 系统实现 | 第59-68页 |
| ·系统环境和界面 | 第59-60页 |
| ·系统实现的主要功能 | 第60-64页 |
| ·系统管理功能模块 | 第60-61页 |
| ·离散化智能推荐模块 | 第61-63页 |
| ·知识库管理模块 | 第63-64页 |
| ·系统演示 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74页 |
