| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究目的与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·矿产资源评价的现状和进展 | 第10-11页 |
| ·粗糙集的研究现状和进展 | 第11页 |
| ·支持向量机的研究现状和进展 | 第11-12页 |
| ·研究内容和思路 | 第12-13页 |
| 第二章 数据挖掘概述 | 第13-17页 |
| ·数据挖掘的定义 | 第13页 |
| ·数据挖据的任务 | 第13-14页 |
| ·数据挖掘的方法 | 第14-15页 |
| ·数据挖掘的步骤 | 第15-17页 |
| 第三章 粗糙集理论以及算法研究 | 第17-31页 |
| ·粗糙集理论提出的背景 | 第17页 |
| ·粗糙集的基本概念 | 第17-24页 |
| ·信息系统（决策表）和上、下近似集 | 第17-19页 |
| ·精度与质量 | 第19-20页 |
| ·核与简约 | 第20-21页 |
| ·相对约简和相对核 | 第21-22页 |
| ·基于经典粗糙集理论的属性约简 | 第22-24页 |
| ·粗糙集的扩展模型——邻域粗糙集[58]~[61] | 第24-31页 |
| ·基于邻域粗糙集的一些基本概念 | 第24-26页 |
| ·基于邻域粗糙集的样本选取 | 第26-27页 |
| ·基于粗糙集的属性约简算法 | 第27-28页 |
| ·基于粗糙集的属性权重的确定研究 | 第28-31页 |
| 第四章 支持向量机理论以及算法研究 | 第31-43页 |
| ·支持向量机的研究背景 | 第31-33页 |
| ·支持向量机研究现状 | 第31-32页 |
| ·支持向量机的优缺点 | 第32-33页 |
| ·支持向量机的理论基础 | 第33-36页 |
| ·支持向量机的概念 | 第33页 |
| ·统计学习理论 | 第33-34页 |
| ·VC维理论 | 第34-35页 |
| ·学习机推广能力界的理论 | 第35-36页 |
| ·支持向量机的分类机理 | 第36-43页 |
| ·线性分类与非线性的分类情况 | 第36-38页 |
| ·高维数据情况以及核函数 | 第38-40页 |
| ·支持向量的的验证方法和SMO算法[68]~[71]的参数优化 | 第40-43页 |
| 第五章 在个旧锡矿矿产资源评价中的应用 | 第43-59页 |
| ·研究区区域地质概况 | 第43-46页 |
| ·个旧及邻区地质概况 | 第43页 |
| ·大地构造位置 | 第43-44页 |
| ·矿区地层 | 第44-45页 |
| ·岩浆岩特征 | 第45页 |
| ·矿区构造 | 第45-46页 |
| ·在云南个旧锡矿试验区的矿产资源评价 | 第46-59页 |
| ·数据准备 | 第46页 |
| ·数据提取 | 第46-47页 |
| ·数据离散化和标准化 | 第47-49页 |
| ·对样本区的属性约简 | 第49-50页 |
| ·噪声信息的剔除 | 第50-52页 |
| ·训练样本的重新提取 | 第52页 |
| ·基于权重系数的确定 | 第52-53页 |
| ·训练样本SVM分类模型的建立与优化 | 第53-55页 |
| ·利用SVM模型对新数据预测与评价 | 第55-59页 |
| 第六章 总结和展望 | 第59-61页 |
| ·研究的主要成果和所得出的一些结论 | 第59-60页 |
| ·存在的不足及今后进一步研究的方向 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第66页 |