粗糙集在数据挖掘中的应用研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 前言 | 第10-14页 |
| ·粗糙集理论的研究背景 | 第10-11页 |
| ·粗糙集理论的研究现状 | 第11-12页 |
| ·本文的主要工作 | 第12页 |
| ·本文的创新点 | 第12-14页 |
| 第一章 数据挖掘概述 | 第14-19页 |
| ·数据挖掘的基本概念 | 第14-15页 |
| ·数据挖掘的任务 | 第15页 |
| ·数据挖掘的方法 | 第15-17页 |
| ·粗糙集应用于数据挖掘的可行性研究 | 第17-19页 |
| 第二章 粗糙集理论 | 第19-25页 |
| ·粗糙集的理论基础 | 第19-22页 |
| ·信息系统 | 第19-20页 |
| ·等价类和不可分辨关系 | 第20页 |
| ·粗糙集的上、下近似集 | 第20-22页 |
| ·粗糙集的约简与核 | 第22-24页 |
| ·粗糙集的属性约简 | 第23页 |
| ·粗糙集的值约简 | 第23-24页 |
| ·粗糙集方法与其他方法的关系 | 第24-25页 |
| 第三章 数据的离散化 | 第25-38页 |
| ·数据离散化方法 | 第25页 |
| ·粗糙集中离散化问题的描述 | 第25-28页 |
| ·基于自组织特征映射网络的连续属性值离散处理 | 第28-38页 |
| ·自组织特征映射网络简介 | 第28-31页 |
| ·方法的核心思想 | 第31-33页 |
| ·算法分析 | 第33-37页 |
| ·算法的创新点 | 第37-38页 |
| 第四章 数据的属性约简 | 第38-47页 |
| ·经典的粗糙集数据约简算法 | 第38-40页 |
| ·基于属性熵的兴趣度属性约简算法 | 第40-45页 |
| ·信息熵 | 第40-42页 |
| ·属性的重要性 | 第42页 |
| ·最小支持度 | 第42页 |
| ·算法的循环终止条件 | 第42-43页 |
| ·基于属性熵的兴趣度算法设计 | 第43-45页 |
| ·算法复杂度分析 | 第45-46页 |
| ·算法的创新点 | 第46-47页 |
| 第五章 数据的值约简 | 第47-55页 |
| ·经典的粗糙集值约简方法 | 第47-49页 |
| ·基于Apriori性质的属性值约简算法 | 第49-52页 |
| ·Apriori性质 | 第49页 |
| ·支持度和可信度 | 第49-51页 |
| ·基于Apriori性质的属性值约简算法设计 | 第51-52页 |
| ·算法分析 | 第52-54页 |
| ·算法的创新点 | 第54-55页 |
| 第六章 有关数据约简算法的几种特例 | 第55-62页 |
| ·对相同样本的处理 | 第55-57页 |
| ·对矛盾数据的处理 | 第57-59页 |
| ·对新增例子的处理 | 第59-61页 |
| ·对不全数据的处理 | 第61-62页 |
| 结束语 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 研究生期间已(待)发表学术论文 | 第67-68页 |
| 致谢 | 第68页 |
