粗集理论在电力客户数据挖掘中的应用研究
| 中文摘要 | 第1页 |
| ABSTRACT | 第3-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究工作的背景 | 第7-10页 |
| ·数据挖掘的概念及研究现状 | 第7-8页 |
| ·粗集理论的概念和研究现状 | 第8-10页 |
| ·研究工作的意义 | 第10页 |
| ·研究工作的内容和组织结构 | 第10-12页 |
| 第二章 粗集基本理论 | 第12-22页 |
| ·粗集的定义及知识表示 | 第12-17页 |
| ·不可分辨关系 | 第12页 |
| ·知识与分类 | 第12-14页 |
| ·粗集的定义 | 第14-15页 |
| ·粗集知识表达系统 | 第15-17页 |
| ·可辨识矩阵 | 第17页 |
| ·知识的简化和核 | 第17-19页 |
| ·知识的简化和核的概念 | 第17-18页 |
| ·知识的相对简化和相对核 | 第18-19页 |
| ·知识的依赖性 | 第19-20页 |
| ·知识的依赖性的概念 | 第19-20页 |
| ·知识的依赖性的度量 | 第20页 |
| ·可变精度粗集(VPRS) | 第20-21页 |
| ·粗集的优点 | 第21页 |
| ·小结 | 第21-22页 |
| 第三章 数据预处理 | 第22-32页 |
| ·数据补齐 | 第22-27页 |
| ·平均值补齐算法 | 第22-23页 |
| ·组合补齐算法 | 第23-24页 |
| ·最高可信度补齐算法 | 第24-27页 |
| ·数据离散化 | 第27-31页 |
| ·全局聚类离散化算法 | 第27-28页 |
| ·基于条件熵的离散化算法 | 第28-31页 |
| ·小结 | 第31-32页 |
| 第四章 属性约简和规则发现 | 第32-45页 |
| ·属性约简 | 第32-39页 |
| ·基于Pawlak属性重要度的属性约简算法 | 第32-33页 |
| ·基于可辨识矩阵的属性约简算法 | 第33-34页 |
| ·基于互信息的属性约简算法 | 第34-35页 |
| ·基于信息熵的属性约简方法 | 第35-39页 |
| ·规则发现 | 第39-44页 |
| ·基于属性核的规则发现算法 | 第40-42页 |
| ·基于决策矩阵的规则提取算法 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第五章 电力客户关系管理与数据挖掘 | 第45-51页 |
| ·客户关系管理与数据挖掘 | 第45-48页 |
| ·客户关系管理的概念 | 第45页 |
| ·数据挖掘在客户关系管理中的应用 | 第45-48页 |
| ·电力CRM中客户数据挖掘 | 第48-50页 |
| ·电力客户的特征 | 第48-49页 |
| ·电力客户挖掘主题模式 | 第49-50页 |
| ·小结 | 第50-51页 |
| 第六章 系统结构及实例挖掘 | 第51-60页 |
| ·基于粗集的数据挖掘系统结构 | 第51-52页 |
| ·RSDMS系统实现 | 第52-56页 |
| ·挖掘实例 | 第56-59页 |
| ·数据准备 | 第56页 |
| ·数据预处理 | 第56-57页 |
| ·规则发现 | 第57-58页 |
| ·知识推理 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第七章 总结 | 第60-62页 |
| ·本文得出的结论 | 第60页 |
| ·进一步的工作 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 在学期间发表的学术论文和参加科研情况 | 第66页 |
