基于粗糙集的数据挖掘算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究的目的及意义 | 第10-11页 |
| 1.2 研究现状及存在的问题 | 第11-17页 |
| 1.2.1 粗糙集的研究现状 | 第12-13页 |
| 1.2.2 聚类的研究现状 | 第13页 |
| 1.2.3 决策树的研究现状 | 第13-15页 |
| 1.2.4 粗糙集理论与多变量决策结合的研究现状 | 第15-16页 |
| 1.2.5 数据挖掘方法面临的主要问题 | 第16-17页 |
| 1.3 本文的研究工作 | 第17页 |
| 1.4 本文的组织 | 第17-19页 |
| 第二章 相关概念及理论 | 第19-35页 |
| 2.1 粗糙集理论 | 第19-25页 |
| 2.1.1 粗糙集基本理论 | 第19-22页 |
| 2.1.2 属性约简 | 第22-25页 |
| 2.2 聚类方法 | 第25-26页 |
| 2.2.1 聚类概念 | 第25-26页 |
| 2.2.2 聚类分析中的数据结构 | 第26页 |
| 2.3 决策树 | 第26-29页 |
| 2.3.1 决策树概述 | 第27页 |
| 2.3.2 决策树的构造 | 第27-28页 |
| 2.3.3 决策树的分类 | 第28页 |
| 2.3.4 决策树的应用 | 第28页 |
| 2.3.5 决策树的发展趋势 | 第28-29页 |
| 2.4 决策树学习算法 | 第29-34页 |
| 2.4.1 基于信息熵的决策树算法 | 第30-32页 |
| 2.4.2 其他决策树算法 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于粗糙集的多变量决策树算法 | 第35-48页 |
| 3.1 属性的重要性 | 第35-37页 |
| 3.1.1 依赖度 | 第35-37页 |
| 3.1.2 属性重要性的求解算法 | 第37页 |
| 3.1.3 属性重要性的求解步骤 | 第37页 |
| 3.2 属性重要性相似度 | 第37-41页 |
| 3.2.1 属性重要性相似度的理论依据 | 第38-39页 |
| 3.2.2 数据对象间的度量标准 | 第39页 |
| 3.2.3 属性重要性相似度度量方法 | 第39-41页 |
| 3.3 数据预处理 | 第41-43页 |
| 3.3.1 属性约简 | 第41-43页 |
| 3.3.2 数据对象的压缩 | 第43页 |
| 3.4 基于粗糙集的多变量决策树构造算法 | 第43-47页 |
| 3.4.1 节点属性的选择标准 | 第44-45页 |
| 3.4.2 节点包含属性数的限制 | 第45页 |
| 3.4.3 过拟合问题的解决方法 | 第45-46页 |
| 3.4.4 基于粗糙集的多变量决策树构造算法 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 实验结果与分析 | 第48-59页 |
| 4.1 实例验证 | 第48-54页 |
| 4.1.1 属性的约简 | 第49-50页 |
| 4.1.2 单个属性的重要性 | 第50-51页 |
| 4.1.3 决策表中数据对象的预处理 | 第51-53页 |
| 4.1.4 构造多变量决策树 | 第53-54页 |
| 4.2 实验验证 | 第54-55页 |
| 4.3 结果分析 | 第55-58页 |
| 4.3.1 决策表预处理的独特之处 | 第55-56页 |
| 4.3.2 与基于信息熵的决策树比较 | 第56-57页 |
| 4.3.3 与其它多变量决策树的比较 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-62页 |
| 5.1 总结 | 第59-60页 |
| 5.2 未来的研究工作 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间所发表的学术论文目录 | 第67页 |
