基于粗糙集理论的数据挖掘方法研究及应用
摘要 | 第1-5页 |
ABSTRACT | 第5-10页 |
第一章 绪论 | 第10-24页 |
·数据挖掘发展概述 | 第10-12页 |
·数据挖掘分类 | 第12-15页 |
·广义知识 | 第12-13页 |
·关联知识 | 第13页 |
·聚类知识 | 第13页 |
·分类知识 | 第13-14页 |
·偏差型知识 | 第14页 |
·预测型知识 | 第14-15页 |
·数据挖掘技术 | 第15-22页 |
·面向属性的归纳方法 | 第15页 |
·决策树分析 | 第15-16页 |
·基于范例学习 | 第16页 |
·遗传算法 | 第16-17页 |
·关联分析 | 第17-18页 |
·聚类分析 | 第18页 |
·Bayes 方法 | 第18-19页 |
·SVM 方法 | 第19-20页 |
·粗糙集理论 | 第20页 |
·HMM 方法 | 第20-21页 |
·神经网络技术 | 第21-22页 |
·本文的主要工作 | 第22-23页 |
·本文的组织结构 | 第23-24页 |
第二章 粗糙集理论 | 第24-32页 |
·粗糙集理论研究进展 | 第24-25页 |
·粗糙集基本概念 | 第25-27页 |
·信息系统 | 第25-26页 |
·近似空间 | 第26页 |
·约简与核 | 第26-27页 |
·决策规则 | 第27页 |
·粗糙集基本算法 | 第27-29页 |
·属性约简 | 第27-29页 |
·区分矩阵 | 第28页 |
·约简算法 | 第28-29页 |
·属性值约简 | 第29页 |
·粗糙集的应用 | 第29-30页 |
·基于粗糙集的数据挖掘方法 | 第30-31页 |
·小结 | 第31-32页 |
第三章 基于矩阵和信息熵的属性约简 | 第32-43页 |
·信息系统的约简与信息熵 | 第33-34页 |
·Pawlak 约简与一般决策约简的关系 | 第34-35页 |
·约简的三种区分函数 | 第35-39页 |
·基于特征矩阵的决策表约简 | 第39-42页 |
·小结 | 第42-43页 |
第四章 属性约简算法的研究 | 第43-60页 |
·粗糙集的基本约简算法 | 第43-45页 |
·属性约简 | 第43-44页 |
·相关概念的时间复杂度分析 | 第44页 |
·基本算法 | 第44-45页 |
·区分矩阵的约简算法 | 第45-50页 |
·改进的区分矩阵算法 | 第46-48页 |
·实例分析 | 第48-50页 |
·属性频率函数的启发式约简算法 | 第50-55页 |
·启发式算法与区分矩阵的关系 | 第50-51页 |
·算法描述 | 第51-52页 |
·算法的研究和缺陷分析 | 第52-55页 |
·属性频率启发式算法的改进 | 第55-59页 |
·改进的属性频率启发式算法 | 第55-56页 |
·属性频率函数启发式的增量算法 | 第56-59页 |
·小结 | 第59-60页 |
第五章 增量粗糙集属性约简 | 第60-72页 |
·粗糙集的增量挖掘概述 | 第60-62页 |
·属性变化 | 第61页 |
·实例增加 | 第61-62页 |
·动态约简 | 第62-68页 |
·动态约简概念 | 第62-65页 |
·动态约简特征 | 第62-64页 |
·动态约简模型 | 第64页 |
·约简域 | 第64-65页 |
·子集抽取 | 第65-67页 |
·簇F 大小确定 | 第65-66页 |
·子集样本空间确定 | 第66-67页 |
·动态约简过程 | 第67页 |
·动态约简启示 | 第67-68页 |
·增量数据挖掘 | 第68-71页 |
·设计思想 | 第68-69页 |
·算法描述 | 第69-71页 |
·小结 | 第71-72页 |
第六章 面向决策系统的属性约简及推理 | 第72-80页 |
·基于粗糙集的数据推理 | 第72-75页 |
·概率逻辑 | 第72-73页 |
·概率规则 | 第73-74页 |
·决策规则及决策算法 | 第74-75页 |
·不相容决策信息系统的约简 | 第75-77页 |
·相容决策系统上的规则融合 | 第77-79页 |
·小结 | 第79-80页 |
第七章 粗糙集数据挖掘系统的分析与实现 | 第80-89页 |
·数据挖掘分析 | 第80-81页 |
·软件的设计与实现 | 第81-88页 |
·功能分析 | 第81-85页 |
·约简过程 | 第85-88页 |
·小结 | 第88-89页 |
第八章 结论和展望 | 第89-91页 |
·本论文研究总结 | 第89-90页 |
·前景展望 | 第90-91页 |
致谢 | 第91-92页 |
参考文献 | 第92-96页 |
攻硕期间取得的成果 | 第96-97页 |