首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

Rough Set理论及其在数据挖掘中的应用研究

中文摘要第1-7页
英文摘要第7-13页
中文图清单第13-14页
英文图清单第14-15页
中文表清单第15-16页
英文表清单第16-17页
1 绪  论第17-25页
   ·引言第17-18页
   ·数据挖掘与Rough Set理论的研究现状第18-21页
   ·基于Rough Set理论的数据挖掘中的问题第21-22页
   ·论文背景及主要工作内容第22-23页
   ·论文组织与结构第23-25页
2 数据挖掘与Rough Set理论第25-33页
   ·数据库中的知识发现与数据挖掘第25-26页
   ·数据挖掘简介第26-28页
     ·数据挖掘模式类型第26-27页
     ·数据挖掘方法--分类发现第27-28页
   ·Rough Set 理论之特点第28-29页
   ·基于Rough Set理论的数据挖掘模型第29-31页
   ·小结第31-33页
3 Rough Set理论的代数表示与信息表示第33-51页
   ·Rough Set理论的代数表示第33-39页
     ·知识与等价关系第33-34页
     ·信息系统和决策表第34-35页
     ·近似集、边界区和Rough集第35-37页
     ·属性重要性、约简和核第37-39页
   ·Rough Set理论的信息表示第39-45页
     ·信息熵与条件熵第39页
     ·知识与信息熵的关系第39-42页
     ·一般信息表的知识约简第42-44页
     ·决策表的知识约简第44-45页
     ·属性重要性第45页
   ·Rough Set理论代数表示与信息表示的关系第45-49页
     ·属性重要性的代数定义与信息定义的关系第45-46页
     ·约简运算的代数描述和信息描述之间的关系第46-49页
   ·小结第49-51页
4 基于条件信息熵的知识约简算法第51-69页
   ·可辨识矩阵第51-53页
   ·部分知识约简算法介绍第53-54页
   ·约简过程中信息熵的变化规律第54-56页
   ·知识约简算法CEBARKCC第56-58页
     ·算法思想与算法描述第56-57页
     ·实例分析第57-58页
   ·知识约简算法CEBARKNC第58-61页
     ·算法思想与算法描述第58-59页
     ·实例分析第59-61页
   ·算法分析与对比第61-63页
   ·实验与结果第63-67页
   ·小结第67-69页
5 增量式知识获取算法第69-87页
   ·有关概念第69-73页
     ·决策逻辑语言形式化定义及语义第69-71页
     ·决策表最小化第71-72页
     ·有导师学习第72页
     ·动态学习第72-73页
   ·增量式知识获取算法第73-79页
     ·新增样本的分类第73-75页
     ·约简变化规律第75-77页
     ·增量式知识获取算法IKAA第77-79页
   ·实例分析第79-81页
     ·非增量式知识获取算法NIKAA第79-80页
     ·增量式知识获取算法IKAA第80-81页
   ·算法分析与对比第81-83页
   ·实验与结果第83-86页
   ·小结第86-87页
6 电子邮件过滤中的Rough Set分析模型第87-95页
   ·电子邮件过滤第87-90页
     ·垃圾邮件第87-88页
     ·电子邮件过滤第88-90页
   ·电子邮件过滤系统的Rough Set模型第90页
   ·电子邮件过滤系统的信息建模第90-91页
   ·实验与结果第91-94页
   ·小结第94-95页
7 实验系统第95-103页
   ·系统简介第95-96页
   ·系统框架第96-97页
   ·系统功能第97-98页
   ·系统实现第98-101页
   ·小结第101-103页
8 结  论第103-107页
   ·工作总结第103-105页
   ·论文成果第105页
   ·将来的工作第105-107页
致    谢第107-109页
参考文献第109-115页
附录A  作者在攻读博士学位期间发表的论文清单第115-116页
附录B  作者在攻读博士学位期间参加的科研项目第116页

论文共116页,点击 下载论文
上一篇:Web服务器集群技术研究
下一篇:红外焦平面阵列新结构高性能CMOS读出电路研究