基于粗糙集理论的数据挖掘算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-12页 |
| ·研究背景和意义 | 第8-10页 |
| ·国内外的研究发展现状 | 第10页 |
| ·主要成果 | 第10-11页 |
| ·论文的组成结构 | 第11-12页 |
| 第2章 预备知识 | 第12-29页 |
| ·数据挖掘的发展 | 第12-14页 |
| ·发展概述 | 第12页 |
| ·研究热点 | 第12-13页 |
| ·未来研究方向 | 第13-14页 |
| ·数据挖掘的任务和方法 | 第14-18页 |
| ·数据挖掘的任务 | 第14-15页 |
| ·常用的方法 | 第15-18页 |
| ·数据挖掘的过程与应用 | 第18-20页 |
| ·数据挖掘的过程 | 第18-19页 |
| ·数据挖掘的应用 | 第19-20页 |
| ·粗糙集理论概述 | 第20-22页 |
| ·粗糙集理论的发展 | 第20页 |
| ·粗糙集理论的特点 | 第20-21页 |
| ·应用 | 第21页 |
| ·目前的研究热点 | 第21-22页 |
| ·粗糙集基本概念 | 第22-25页 |
| ·信息系统与决策表 | 第22-23页 |
| ·近似空间 | 第23-24页 |
| ·约简与核 | 第24-25页 |
| ·知识的依赖性 | 第25页 |
| ·粗糙集理论在数据挖掘中的应用 | 第25-29页 |
| ·数据预处理 | 第26页 |
| ·选择数据挖掘的模型函数 | 第26页 |
| ·数据挖掘 | 第26-27页 |
| ·对规则的解释 | 第27页 |
| ·复杂数据挖掘 | 第27-28页 |
| ·面临的挑战 | 第28-29页 |
| 第3章 基于粗糙集理论的组合神经网络分类器设计 | 第29-37页 |
| ·粗糙集与神经网络的结合 | 第29-32页 |
| ·互补性 | 第29-30页 |
| ·研究现状 | 第30页 |
| ·基于粗糙集理论的数据预处理 | 第30-31页 |
| ·多神经网络分类器的组合 | 第31-32页 |
| ·C3RST | 第32-36页 |
| ·构造单个分类器 | 第32-33页 |
| ·组合方法 | 第33-34页 |
| ·实验环境与数据 | 第34页 |
| ·实验过程与结果 | 第34-35页 |
| ·分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 属性约简算法研究 | 第37-53页 |
| ·典型的属性约简算法 | 第37-41页 |
| ·基于区分矩阵的算法 | 第37-38页 |
| ·基于属性重要性的启发式算法 | 第38-40页 |
| ·复杂性分析 | 第40-41页 |
| ·并行计算环境 | 第41-44页 |
| ·并行计算与集群系统 | 第41-42页 |
| ·影响集群系统性能的因素 | 第42-43页 |
| ·集群系统的搭建 | 第43-44页 |
| ·并行计算理论 | 第44-46页 |
| ·设计方法 | 第44-45页 |
| ·并行计算模型 | 第45-46页 |
| ·并行算法性能度量 | 第46页 |
| ·基于元信息的分布式并行约简算法设计 | 第46-52页 |
| ·基于元信息的分布式计算 | 第46-50页 |
| ·并行约简算法模型 | 第50-51页 |
| ·算法流程 | 第51-52页 |
| ·本章小节 | 第52-53页 |
| 结论与展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 附录 攻读学位期间发表论文目录 | 第59页 |
