| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪 论 | 第10-18页 |
| ·研究背景 | 第10-11页 |
| ·贝叶斯网络理论的发展与研究现状 | 第11-12页 |
| ·基于粗糙集的数据挖掘发展与研究现状 | 第12-16页 |
| ·文章的主要工作及结构 | 第16-18页 |
| 第2章 数据挖掘技术的研究与应用概述 | 第18-30页 |
| ·数据挖掘的基本概念 | 第18页 |
| ·数据挖掘常用技术 | 第18-22页 |
| ·贝叶斯网络算法 | 第19-21页 |
| ·时序相似性算法 | 第21-22页 |
| ·其他用于数据挖掘的技术 | 第22页 |
| ·基于粗糙集的数据挖掘概述 | 第22-25页 |
| ·概述 | 第22-23页 |
| ·粗糙集在数据挖掘中的应用 | 第23-25页 |
| ·数据预处理 | 第25-29页 |
| ·空缺值的预处理 | 第26页 |
| ·噪声值的预处理 | 第26-27页 |
| ·连续属性的离散化 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于粗糙集的增量数据挖掘研究 | 第30-48页 |
| ·基于粗糙集的知识简化和知识表达系统 | 第30-33页 |
| ·知识的简化和核 | 第30页 |
| ·知识的相对简化和相对核 | 第30-31页 |
| ·知识依赖性的量度 | 第31-32页 |
| ·基于粗糙集的知识表达系统 | 第32-33页 |
| ·基于粗糙集理论的数据挖掘模型构造 | 第33-39页 |
| ·决策表的分类 | 第33-34页 |
| ·相容决策表的挖掘 | 第34-38页 |
| ·不相容决策表的挖掘 | 第38-39页 |
| ·动态属性约简 | 第39-43页 |
| ·增量粗糙集 | 第39-40页 |
| ·动态约简 | 第40-43页 |
| ·增量数据挖掘模型研究 | 第43-46页 |
| ·动态约简的增量数据挖掘构造 | 第44-46页 |
| ·动态约简的增量数据挖掘模型分析 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第4章 基于动态约简的增量贝叶斯推理 | 第48-59页 |
| ·贝叶斯分类器算法原理 | 第48-53页 |
| ·贝叶斯定理 | 第48-49页 |
| ·极大后验假设和极大似然假设 | 第49页 |
| ·几种叶斯分类器 | 第49-53页 |
| ·基于粗糙集的增量贝叶斯分类器 | 第53-57页 |
| ·增量贝叶斯分类器基本原理 | 第53-55页 |
| ·基于粗糙集的增量贝叶斯分类器 | 第55-57页 |
| ·算法仿真与实验设计 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 贝叶斯分类及粗糙集挖掘算法在回转窑控制系统中的应用 | 第59-67页 |
| ·回转窑概况 | 第59-60页 |
| ·回转窑热工数据组成 | 第60-61页 |
| ·回转窑智能控制系统工况预测模块设计 | 第61-64页 |
| ·数据预处理 | 第62-63页 |
| ·基于粗集的贝叶斯分类器构造 | 第63-64页 |
| ·现场运行效果 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 总结 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 附录A 攻读学位期间所发表的学术论文 | 第74-75页 |
| 附录B 攻读学位期间参研项目 | 第75页 |