基于粒度计算的知识发现研究及其应用
| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第1章 绪论 | 第12-22页 |
| ·引言 | 第12-13页 |
| ·本文的研究动机背景 | 第13-16页 |
| ·知识发现的技术和方法 | 第13-15页 |
| ·知识发现面临的挑战和问题 | 第15-16页 |
| ·粒度计算理论发展概述 | 第16-19页 |
| ·粒度计算的起源 | 第16-17页 |
| ·粒度计算研究现状及应用 | 第17-18页 |
| ·粒度计算对知识发现问题的解决——三个基本原理 | 第18-19页 |
| ·本文的主要工作和贡献 | 第19页 |
| ·本文的组织结构 | 第19-22页 |
| 第2章 相关研究工作综述 | 第22-40页 |
| ·粒度计算 | 第22-27页 |
| ·粒度计算的基本概念 | 第22-23页 |
| ·粒度计算的基本问题 | 第23-24页 |
| ·常见的几种粒度计算方法 | 第24-27页 |
| ·粒度计算中粗糙集理论相关工作论述 | 第27-33页 |
| ·知识的边界及粗糙集中的基本概念 | 第27-29页 |
| ·属性依赖和属性约简 | 第29页 |
| ·粗糙约简的研究进展 | 第29-32页 |
| ·粗糙规则提取研究进展 | 第32-33页 |
| ·特征选取及特征约简 | 第33-38页 |
| ·特征选取相关概念和介绍 | 第33-36页 |
| ·属性选取与属性约简的区别 | 第36-38页 |
| ·综合属性约简与属性选择优点的方法设计 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第3章 粒度计算中的规则抽取算法 | 第40-72页 |
| ·引言 | 第40-42页 |
| ·支持不一致数据的规则抽取算法 | 第42-45页 |
| ·粗糙集中规则置信度和支持度的定义 | 第42-43页 |
| ·不一致规则抽取算法 | 第43-45页 |
| ·增量式规则抽取算法 | 第45-62页 |
| ·新数据分类 | 第45-46页 |
| ·增量式规则获取算法 | 第46-47页 |
| ·实例分析 | 第47-50页 |
| ·增量式算法实验及其结果分析 | 第50-56页 |
| ·进一步的理论分析 | 第56-62页 |
| ·近似规则抽取算法 | 第62-70页 |
| ·近似规则抽取算法 | 第64-66页 |
| ·算法性能分析 | 第66-68页 |
| ·近似规则抽取算法实验结果及讨论 | 第68-70页 |
| ·本章小结 | 第70-72页 |
| 第4章 基于粒度思想的特征选择算法 | 第72-83页 |
| ·引言 | 第72-73页 |
| ·非一致度 | 第73-76页 |
| ·基于非一致度的数据约简算法 | 第76-80页 |
| ·约简算法设计思路 | 第76-77页 |
| ·非一致度的单调性 | 第77页 |
| ·基于非一致度的约简算法 | 第77-80页 |
| ·属性子集选择策略 | 第80-82页 |
| ·特征选择中的偏置问题 | 第80-81页 |
| ·基于“最短偏置”子集选择策略 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 第5章 粒度计算的典型应用 | 第83-106页 |
| ·引言 | 第83-85页 |
| ·三维建筑建模问题描述及其相关工作 | 第85-87页 |
| ·工作背景和任务 | 第85-86页 |
| ·三维建筑建模相关工作 | 第86-87页 |
| ·建筑建模问题的本体论描述 | 第87-91页 |
| ·问题的形式化 | 第87-88页 |
| ·本体领域设计方法 | 第88-89页 |
| ·中国古建的本体层次结构及其实现 | 第89-91页 |
| ·用粒度计算方法辨别知识 | 第91-98页 |
| ·建筑领域问题的粒度定义 | 第91-93页 |
| ·知识边界的测度一粗糙函数 | 第93-95页 |
| ·启发式最优知识选择算法 | 第95-98页 |
| ·系统实现 | 第98-101页 |
| ·建模中知识表达 | 第98-99页 |
| ·本体领域的验证 | 第99-101页 |
| ·实验与讨论 | 第101-104页 |
| ·本章小结 | 第104-106页 |
| 第6章 总结与展望 | 第106-108页 |
| ·总结 | 第106-107页 |
| ·展望 | 第107-108页 |
| 参考文献 | 第108-119页 |
| 攻读学位期间发表的部分学术论文 | 第119-120页 |
| 攻读学位期间参与的科研项目 | 第120-121页 |
| 致谢 | 第121页 |
