| 第一章 绪论 | 第1-25页 |
| ·选题背景与研究意义 | 第9-12页 |
| ·粗糙集理论研究与应用研究综述 | 第12-20页 |
| ·粗糙集在属性约简上的应用综述 | 第12-14页 |
| ·粗糙集在分类挖掘上的应用综述 | 第14-18页 |
| ·粗糙集在异常数据处理上的应用综述 | 第18-20页 |
| ·基于数据库技术的推理方法综述 | 第20-21页 |
| ·本文主要研究内容与创新点 | 第21-25页 |
| 第二章 粗糙集理论概述 | 第25-31页 |
| ·粗糙集知识发现方法的研究与发展 | 第25-26页 |
| ·粗糙集基本与扩展模型 | 第26-28页 |
| ·基本粗糙集模型 | 第26-27页 |
| ·可变精度粗糙集模型 | 第27-28页 |
| ·相似粗糙集模型 | 第28页 |
| ·粗糙集知识发现方法与系统 | 第28-30页 |
| ·粗糙集知识发现研究的展望 | 第30-31页 |
| 第三章 基于粗糙集和数据库技术的属性约简算法研究 | 第31-39页 |
| ·属性约简及其在数据挖掘中的作用 | 第31页 |
| ·属性约简算法研究现状及存在问题分析 | 第31-32页 |
| ·利用分辨矩阵计算核属性的必要性及代价分析 | 第32-35页 |
| ·利用分辨矩阵求取核属性的必要性分析 | 第33页 |
| ·利用分辨矩阵求取核属性的时间代价和空间代价分析 | 第33-35页 |
| ·基于粗糙集的属性约简改进算法 | 第35-36页 |
| ·改进算法的特性分析 | 第36-38页 |
| ·算法正确性验证 | 第36-37页 |
| ·算法效率分析 | 第37-38页 |
| 本章小结 | 第38-39页 |
| 第四章 基于粗糙集和数据库技术的分类算法研究 | 第39-52页 |
| ·分类算法及基于粗糙集的分类算法研究现状 | 第39-43页 |
| ·分类算法研究现状 | 第39-40页 |
| ·基于粗糙集的分类算法的研究现状 | 第40-42页 |
| ·两种主要的归纳分类方法及特性分析 | 第42-43页 |
| ·基于粗糙集的分类算法研究 | 第43-46页 |
| ·粗糙集辨识对象的基本方法 | 第43-44页 |
| ·算法的归纳策略及选择属性的测度 | 第44-46页 |
| ·正区域与互信息熵的关系 | 第46页 |
| ·基于粗糙集正区域的分类算法及特性分析 | 第46-51页 |
| ·基于粗糙集正区域的分类算法 | 第46-47页 |
| ·算法实验及特性分析 | 第47-51页 |
| 本章小结 | 第51-52页 |
| 第五章 粗糙集中属性分类贡献能力综合测度研究 | 第52-64页 |
| ·引言 | 第52-53页 |
| ·相关研究 | 第53-54页 |
| ·属性分类贡献能力测度及其特性分析 | 第54-58页 |
| ·评判属性分类贡献能力的因素分析 | 第54页 |
| ·属性相关纯度及属性相关粗糙度 | 第54-55页 |
| ·属性相关纯度及属性相关粗糙度特性分析 | 第55-58页 |
| ·几种选择属性测度的比较分析 | 第58-63页 |
| ·决策树算法中几种选择属性的测度及其特性分析 | 第58-61页 |
| ·用于测试属性选择测度性能的决策树算法 | 第61-62页 |
| ·实验结果及分析 | 第62-63页 |
| 本章小结 | 第63-64页 |
| 第六章 基于变精度粗糙集的噪音数据处理方法研究 | 第64-72页 |
| ·决策树算法中目前的噪音数据处理方法及存在问题 | 第64-66页 |
| ·变精度粗糙集模型及其应用现状 | 第66-68页 |
| ·变精度粗糙集模型 | 第66-67页 |
| ·变精度粗糙集在数据挖掘研究中的应用状况 | 第67-68页 |
| ·基于变精度粗糙集的处理噪音数据的新方法 | 第68-69页 |
| ·基于变精度粗糙集的改进的分类算法及实验验证 | 第69-71页 |
| ·改进的ID3 算法 | 第69-70页 |
| ·算法性能测试 | 第70-71页 |
| 本章小结 | 第71-72页 |
| 第七章 不相容数据检测处理方法研究 | 第72-79页 |
| ·不相容数据及其产生原因 | 第72页 |
| ·不相容数据处理的相关研究 | 第72-73页 |
| ·不相容数据检测方法 | 第73-75页 |
| ·不相容数据的处理策略及叶节点的决策质量参数 | 第75-76页 |
| ·处理策略 | 第75-76页 |
| ·决策质量参数 | 第76页 |
| ·改进算法及算例 | 第76-78页 |
| 本章小结 | 第78-79页 |
| 第八章 基于数据库技术的知识推理方法研究 | 第79-86页 |
| ·概述 | 第79-80页 |
| ·决策树的数据库组织 | 第80-82页 |
| ·基于数据库查询的推理方法 | 第82-83页 |
| ·推理效率分析及推理效率提高的方法 | 第83-85页 |
| 本章小结 | 第85-86页 |
| 第九章 基于Rough 集和数据库技术的KDD 系统设计 | 第86-91页 |
| ·KDD 概述 | 第86页 |
| ·系统结构设计及功能 | 第86-88页 |
| ·挖掘算法 | 第88-90页 |
| ·系统特点 | 第90页 |
| 本章小结 | 第90-91页 |
| 第十章 总结与展望 | 第91-95页 |
| ·全文总结 | 第91-93页 |
| ·研究展望 | 第93-95页 |
| 参考文献 | 第95-107页 |
| 发表论文和参加科研情况说明 | 第107-108页 |
| 致谢 | 第108页 |