| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·研究现状 | 第8-10页 |
| ·数据挖掘研究现状 | 第8-9页 |
| ·粒计算研究现状 | 第9-10页 |
| ·本文主要研究工作和内容安排 | 第10-13页 |
| 第二章 相关研究分析 | 第13-27页 |
| ·数据挖掘 | 第13-15页 |
| ·数据挖掘的概念以及对象 | 第13页 |
| ·数据挖掘的步骤 | 第13-14页 |
| ·数据挖掘的功能 | 第14-15页 |
| ·关联规则挖掘和序列模式挖掘 | 第15-18页 |
| ·关联规则和序列模式的概念 | 第15-16页 |
| ·相关定义 | 第16-17页 |
| ·主要挖掘算法 | 第17-18页 |
| ·粒计算理论 | 第18-22页 |
| ·粒计算的思想 | 第18页 |
| ·几个重要的概念 | 第18-19页 |
| ·粒计算研究的基本问题 | 第19-20页 |
| ·现有的粒计算模型 | 第20-21页 |
| ·各模型之间的关系 | 第21-22页 |
| ·粗糙集理论基础知识 | 第22-25页 |
| ·下近似集和上近似集 | 第22-24页 |
| ·信息系统和决策表 | 第24-25页 |
| ·约简与核 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第三章 基于粒化原理的关联规则挖掘算法 | 第27-37页 |
| ·挖掘关联规则的 Apriori 算法 | 第27-31页 |
| ·Apriori 性质和 Apriori 算法的步骤 | 第27-28页 |
| ·Apriori 算法描述 | 第28-30页 |
| ·存在的问题 | 第30-31页 |
| ·一种基于粒化原理的关联规则挖掘算法—Apriori-GRC 算法 | 第31-34页 |
| ·Apriori 算法中的粒化原理分析 | 第31页 |
| ·Apriori-GRC 算法描述 | 第31-33页 |
| ·算法示例 | 第33-34页 |
| ·仿真结果及分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于决策表的序列模式挖掘算法 | 第37-51页 |
| ·一种基于重要度的信息系统属性约简算法—Sig-Reducts 算法 | 第37-41页 |
| ·属性的信息量和重要度 | 第37-38页 |
| ·Sig-Reducts 算法描述 | 第38-41页 |
| ·序列的粗糙集模型 | 第41-43页 |
| ·序列和子序列 | 第41-42页 |
| ·序列信息系统和序列决策表 | 第42-43页 |
| ·一种基于决策表的序列模式挖掘算法—Sequence-Mining 算法 | 第43-47页 |
| ·算法思想 | 第43-44页 |
| ·算法描述 | 第44-47页 |
| ·算法效率分析和仿真实验 | 第47-49页 |
| ·Sig-Reducts 算法的时间复杂度分析 | 第47页 |
| ·Sequence-Mining 算法的时间复杂度分析 | 第47-48页 |
| ·Sig-Reducts 算法的仿真实验 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 结束语 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士期间完成的论文和参与的科研工作 | 第59-60页 |
