| 第一章 引言 | 第1-9页 |
| 1．1 研究的背景及意义 | 第6页 |
| 1．2 国内外研究现状及存在问题 | 第6-8页 |
| 1．3 本文的研究工作及主要成果 | 第8-9页 |
| 第二章 分类规则挖掘概述 | 第9-16页 |
| 2．1 数据挖掘概念与技术 | 第9-11页 |
| 2．2 分类和分类规则 | 第11-12页 |
| 2．3 分类规则挖掘步骤 | 第12-14页 |
| 2．4 分类规则挖掘方法及比较 | 第14-16页 |
| 2．4．1 几种常见的分类算法 | 第14页 |
| 2．4．2 遗传算法分类和传统分类算法的比较 | 第14-16页 |
| 第三章 基于遗传算法的分类规则挖掘研究 | 第16-27页 |
| 3．1 遗传算法的基本原理 | 第16-17页 |
| 3．2 遗传算法的理论基础 | 第17-20页 |
| 3．3 分类规则编码 | 第20-23页 |
| 3．3．1 分类规则前提的编码 | 第21-22页 |
| 3．3．2 分类规则的结论编码 | 第22-23页 |
| 3．4 群体设定 | 第23页 |
| 3．5 适应度函数的设计 | 第23-24页 |
| 3．6 遗传操作算子设计 | 第24-27页 |
| 3．6．1 选择算子设计 | 第25页 |
| 3．6．2 交叉算子设计 | 第25页 |
| 3．6．3 变异算子设计 | 第25-27页 |
| 第四章 基于小生境遗传算法的易于理解的分类规则构造 | 第27-41页 |
| 4．1 易于理解的分类规则概念及研究现状 | 第27页 |
| 4．2 属性信息增益概念及计算方法 | 第27-28页 |
| 4．3 染色体编码和遗传算子设计 | 第28-32页 |
| 4．3．1 染色体编码 | 第28-30页 |
| 4．3．2 遗传算子设计 | 第30-32页 |
| 4．4 适应度函数设计 | 第32-35页 |
| 4．4．1 现有文献对易于理解性定义的缺陷 | 第32-33页 |
| 4．4．2 基于信息增益的规则可理解性的定义 | 第33页 |
| 4．4．3 对适应度函数的改进 | 第33-34页 |
| 4．4．4 适应度值的计算 | 第34-35页 |
| 4．5 基于小生境遗传算法的分类规则挖掘 | 第35-37页 |
| 4．5．1 基本思想 | 第35-36页 |
| 4．5．2 基于小生境遗传算法流程 | 第36-37页 |
| 4．6 实例测试及分析 | 第37-41页 |
| 4．6．1 测试环境 | 第37-38页 |
| 4．6．2 算法实现及输出 | 第38-41页 |
| 第五章 基于自适应遗传算法的有趣分类规则发现 | 第41-49页 |
| 5．1 有趣分类规则概念及研究现状 | 第41-42页 |
| 5．2 适应度函数设计 | 第42-45页 |
| 5．2．1 对规则准确度定义的修改 | 第42页 |
| 5．2．2 对规则有趣度的客观评测 | 第42-43页 |
| 5．2．3 对规则有趣度的主观评测 | 第43-44页 |
| 5．2．4 适应度函数的设计 | 第44-45页 |
| 5．3 基于自适应遗传算法的分类规则发现 | 第45-46页 |
| 5．3．1 基本思想 | 第45-46页 |
| 5．3．2 基于自适应遗传算法流程 | 第46页 |
| 5．4 实例测试及分析 | 第46-49页 |
| 第六章 结束语 | 第49-51页 |
| 6．1 论文创新点 | 第49页 |
| 6．2 进一步的工作和研究方向 | 第49-51页 |
| 6．2．1 遗传算法的进一步改进 | 第49页 |
| 6．2．2 用遗传算法挖掘其它知识 | 第49-50页 |
| 6．2．3 遗传算法和其他方法结合进行数据挖掘 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53页 |