可拓学在分类挖掘中的应用研究
| 第1章 绪论 | 第1-15页 |
| ·论文的研究背景 | 第9-10页 |
| ·数据挖掘概述 | 第10-12页 |
| ·可拓学的研究现状与发展趋势 | 第12-14页 |
| ·论文的研究内容和组织结构 | 第14-15页 |
| 第2章 分类挖掘和分类算法分析 | 第15-25页 |
| ·分类挖掘基础 | 第15-16页 |
| ·分类的标准 | 第15页 |
| ·分类的过程 | 第15-16页 |
| ·常用分类算法的评价原则 | 第16页 |
| ·几种典型的分类算法 | 第16-24页 |
| ·决策树分类算法 | 第17-18页 |
| ·人工神经网络算法 | 第18-21页 |
| ·贝叶斯分类算法 | 第21-23页 |
| ·k-最临近分类算法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 可拓学及其在数据挖掘中的应用 | 第25-36页 |
| ·可拓学基本概念 | 第25页 |
| ·可拓学理论框架 | 第25-31页 |
| ·可拓元理论 | 第26-28页 |
| ·可拓集合理论 | 第28-29页 |
| ·可拓逻辑 | 第29-31页 |
| ·可拓方法 | 第31-34页 |
| ·可拓工程方法 | 第34页 |
| ·可拓学在数据挖掘中的应用 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 可拓集合论及其在分类挖掘中的应用 | 第36-47页 |
| ·可拓学的数学基础和逻辑基础 | 第36-37页 |
| ·可拓集合 | 第37-39页 |
| ·可拓集合的定义 | 第37-38页 |
| ·可拓集合的特点 | 第38-39页 |
| ·关联函数 | 第39-45页 |
| ·关联函数的定义和建立过程 | 第39-40页 |
| ·距、侧距和位值 | 第40-42页 |
| ·关联函数的常见形式 | 第42-44页 |
| ·特征函数、隶属函数和关联函数的区别与联系 | 第44-45页 |
| ·可拓学在分类挖掘中的应用 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 可拓分类算法及其应用 | 第47-57页 |
| ·可拓分类算法的信息模型 | 第47页 |
| ·可拓分类算法模型 | 第47-52页 |
| ·确定经典域和节域 | 第49页 |
| ·确定待分类样本的基元模型 | 第49-50页 |
| ·根据距和侧距的定义计算关联函数值 | 第50页 |
| ·确定权系数 | 第50-51页 |
| ·判定待分类样本是否符合前提条件 | 第51页 |
| ·计算待分类样本基元对各类别的隶属程度 | 第51页 |
| ·判定待分类样本基元所属的类别 | 第51-52页 |
| ·可拓分类算法评价 | 第52页 |
| ·算法改进说明 | 第52-53页 |
| ·可拓分类算法的应用 | 第53-56页 |
| ·应用背景 | 第53页 |
| ·数据描述 | 第53-54页 |
| ·计算过程 | 第54-56页 |
| ·结果分析 | 第56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的论文和参加的项目 | 第61-62页 |
| 致谢 | 第62页 |
