基于粗糙集理论的分类规则挖掘
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1. 绪论 | 第8-14页 |
| ·论文的选题背景及意义 | 第8-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文的主要工作 | 第12页 |
| ·论文的组织结构 | 第12-14页 |
| 2. 数据挖掘 | 第14-23页 |
| ·数据据挖掘概述 | 第14-18页 |
| ·数据挖掘的定义 | 第14页 |
| ·数据挖掘的过程 | 第14-15页 |
| ·数据挖掘任务 | 第15-16页 |
| ·数据挖掘的对象 | 第16页 |
| ·数据挖掘方法 | 第16-17页 |
| ·数据挖掘存在的问题与困难 | 第17-18页 |
| ·数据挖掘的数据缺失问题及处理方法 | 第18-23页 |
| ·造成数据缺失的原因 | 第18页 |
| ·数据缺失机制 | 第18-19页 |
| ·空值语义 | 第19页 |
| ·空值处理的重要性和复杂性 | 第19页 |
| ·空值处理方法的分析比较 | 第19-23页 |
| 3. 粗糙集基本概念 | 第23-34页 |
| ·基本概念 | 第23-24页 |
| ·粗糙集 | 第24-29页 |
| ·粗糙集理论的观点 | 第24-25页 |
| ·知识约简 | 第25-27页 |
| ·决策规则 | 第27-29页 |
| ·粗糙集理论中的常用算法 | 第29-30页 |
| ·粗糙集理论的特点 | 第30页 |
| ·数据挖掘的粗糙集方法 | 第30-33页 |
| ·数据预处理 | 第30-31页 |
| ·选择数据挖掘的模型函数 | 第31页 |
| ·海量数据挖掘 | 第31-32页 |
| ·对规则的解释 | 第32页 |
| ·复杂数据挖掘 | 第32页 |
| ·面临的挑战 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 4. 基于粗糙集的不完备信息系统的分类规则提取 | 第34-50页 |
| ·不完备信息 | 第34-35页 |
| ·不完备信息系统中的粗糙集模型拓展 | 第35-41页 |
| ·不完备信息系统的粗糙分类 | 第36-37页 |
| ·不完备信息系统属性约简的概念 | 第37页 |
| ·属性的信息量与条件信息量 | 第37-41页 |
| ·不完备信息系统的分类规则挖掘方法 | 第41-46页 |
| ·基于条件信息量的最大分布约简算法 | 第41-42页 |
| ·提取隐含规则并尽可能补全属性约简信息表算法 | 第42-43页 |
| ·举例 | 第43-46页 |
| ·实验 | 第46-49页 |
| ·分析评价 | 第49页 |
| ·小结 | 第49-50页 |
| 5. 基于粗糙集的决策树生成方法 | 第50-60页 |
| ·决策树的归纳学习和粗糙集 | 第50-52页 |
| ·原理和方法 | 第51页 |
| ·粗糙集处理模块 | 第51页 |
| ·近似最优决策树生成算法 | 第51-52页 |
| ·举例 | 第52-55页 |
| ·应用实验 | 第55-59页 |
| ·小结 | 第59-60页 |
| 6. 总结 | 第60-62页 |
| ·工作小结 | 第60-61页 |
| ·进一步的工作 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附:作者在攻读硕士学位期间发表的论文 | 第67页 |
