| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-17页 |
| 1．1 引言 | 第10-13页 |
| 1．2 研究背景 | 第13-15页 |
| 1．3 研究对象 | 第15-16页 |
| 1．4 论文研究目标 | 第16-17页 |
| 2 数据挖掘技术概述 | 第17-28页 |
| 2．1 数据挖掘-从商业数据到商业信息的进化 | 第17-19页 |
| 2．2 数据挖掘的定义 | 第19-21页 |
| 2．2．1 技术上的定义与含义 | 第19-20页 |
| 2．2．2 商业角度的定义 | 第20页 |
| 2．2．3 数据挖掘与传统分析方法的区别 | 第20-21页 |
| 2．4 数据挖掘的研究内容和本质 | 第21-23页 |
| 2．4．1 广义知识(Generalization) | 第21-22页 |
| 2．4．2 关联规则(Association Rules) | 第22页 |
| 2．4．3 分类规则(Classification Rules) | 第22-23页 |
| 2．4．4 预测型知识(Predication) | 第23页 |
| 2．4．5 偏差型知识(Deviation) | 第23页 |
| 2．5 数据挖掘常用技术 | 第23-24页 |
| 2．6 数据挖掘的流程 | 第24-28页 |
| 3 粗糙集理论及其度量 | 第28-38页 |
| 3．1 信息系统 | 第29-33页 |
| 3．1．1 信息系统 | 第29-31页 |
| 3．1．2 等价关系和等价类 | 第31页 |
| 3．1．3 不可分辩关系 | 第31-33页 |
| 3．2 近似集及其性质 | 第33-35页 |
| 3．2．1 下近似和正、负区域 | 第33页 |
| 3．2．2 上近似 | 第33-34页 |
| 3．2．3 边界 | 第34页 |
| 3．2．4 近似集的性质 | 第34-35页 |
| 3．3 粗糙集度量 | 第35-38页 |
| 3．3．1 近似精度 | 第35-36页 |
| 3．3．2 粗糙隶属度 | 第36页 |
| 3．3．3 属性依赖度 | 第36-37页 |
| 3．3．4 属性重要性 | 第37-38页 |
| 4 不确定信息系统的约简和规则生成 | 第38-42页 |
| 4．1 属性约简 | 第38-41页 |
| 4．2 决策规则及提取 | 第41-42页 |
| 5 基于Rough Set的决策系统算法及分析 | 第42-53页 |
| 5．1 计算等价类算法 | 第42-44页 |
| 5．2 求上近似下近似 | 第44-45页 |
| 5．3 属性重要性及核的计算 | 第45-47页 |
| 5．4 属性约简算法 | 第47-51页 |
| 5．5 规则提取算法 | 第51-53页 |
| 6 一个新的属性约简算法及应用实例 | 第53-59页 |
| 6．1 两条重要定理 | 第53-54页 |
| 6．2 一个新的属性约简算法 | 第54-56页 |
| 6．2．1 算法原理 | 第54-55页 |
| 6．2．2 算法实现 | 第55-56页 |
| 6．3 启发式属性约简算法 | 第56-57页 |
| 6．4 应用实例分析 | 第57-59页 |
| 7 粗糙集信息系统的JAVA类库设计 | 第59-70页 |
| 7．1 简介 | 第59页 |
| 7．2 JAVA类库结构 | 第59-60页 |
| 7．3 数据挖掘系统基本JAVA类库 | 第60-63页 |
| 7．4 粗糙集基本JAVA类库 | 第63-66页 |
| 7．5 Rough Set类库应用示例 | 第66-70页 |
| 结束语 | 第70-73页 |
| 本文工作总结 | 第70-71页 |
| 进一步的研究工作 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-81页 |
| 在校期间发表的论文 | 第81页 |
