| 第一章 绪论 | 第1-30页 |
| ·粗糙集理论的基本概念 | 第12-15页 |
| ·粗糙集理论的研究现状 | 第15-21页 |
| ·数学性质 | 第16-17页 |
| ·扩展模型 | 第17-19页 |
| ·与其它不确定性方法的关系 | 第19-20页 |
| ·有效算法 | 第20-21页 |
| ·知识发现 | 第21-28页 |
| ·知识发现的含义 | 第22-23页 |
| ·知识发现的过程 | 第23-24页 |
| ·知识发现的分类 | 第24页 |
| ·知识发现的工具 | 第24-26页 |
| ·粗糙集理论与知识发现 | 第26-28页 |
| ·本文主要研究内容及组织结构 | 第28-30页 |
| 第二章 粗糙集高效算法的研究 | 第30-40页 |
| ·方法原理 | 第30-32页 |
| ·粗糙集的基本算法 | 第32-34页 |
| ·不可区分关系 | 第32-33页 |
| ·正区域 | 第33-34页 |
| ·高效完备的属性约简算法 | 第34-37页 |
| ·正区域的渐增式计算 | 第35-36页 |
| ·属性约简算法 | 第36-37页 |
| ·实验结果及分析 | 第37-39页 |
| ·正区域的计算 | 第37-38页 |
| ·约简算法 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第三章 基于粗糙集的聚类算法的研究 | 第40-52页 |
| ·聚类分析 | 第40-44页 |
| ·数据表示及相似度测量 | 第41-42页 |
| ·主要方法 | 第42-44页 |
| ·广义近似空间 | 第44-45页 |
| ·基于粗糙集的层次聚类算法 RSHC | 第45-47页 |
| ·相关定义 | 第45-46页 |
| ·算法描述 | 第46-47页 |
| ·实验结果与分析 | 第47-51页 |
| ·实验一 | 第48-49页 |
| ·实验二 | 第49-51页 |
| ·小结 | 第51-52页 |
| 第四章 基于粗糙集的文本分类的研究 | 第52-66页 |
| ·信息粒度 | 第52-55页 |
| ·概述 | 第52-53页 |
| ·文本分类中的信息粒度 | 第53-55页 |
| ·特征选取 | 第55-56页 |
| ·词权重的计算 | 第56-58页 |
| ·多层次分类算法 | 第58-60页 |
| ·构建类模型 | 第58-59页 |
| ·文档自动分类 | 第59-60页 |
| ·实验结果及分析 | 第60-64页 |
| ·小结 | 第64-66页 |
| 第五章 基于粗糙集的CBR 的研究 | 第66-78页 |
| ·CBR | 第66-70页 |
| ·概述 | 第66-67页 |
| ·CBR 的工作过程 | 第67-70页 |
| ·相关定义 | 第70-71页 |
| ·范例检索算法 | 第71-73页 |
| ·实验结果与分析 | 第73-77页 |
| ·实验一 | 第73-75页 |
| ·实验二 | 第75-77页 |
| ·小结 | 第77-78页 |
| 第六章 多策略知识发现平台MSMiner | 第78-94页 |
| ·MSMiner 的体系结构 | 第78-79页 |
| ·联机分析处理的实现 | 第79-84页 |
| ·实物化视图技术 | 第80-83页 |
| ·查询处理与优化 | 第83-84页 |
| ·查询结果的展现 | 第84页 |
| ·数据挖掘 | 第84-87页 |
| ·数据挖掘算法库 | 第85-86页 |
| ·面向对象的数据挖掘任务模型 | 第86页 |
| ·数据挖掘任务的调度执行 | 第86-87页 |
| ·MSMiner 应用实例分析——网络智能搜索引擎WISE | 第87-91页 |
| ·WISE 的体系结构与特点 | 第87-89页 |
| ·智能网页收集 | 第89-90页 |
| ·网页自动分类 | 第90-91页 |
| ·网页分类数据库管理 | 第91页 |
| ·智能信息检索 | 第91页 |
| ·小结 | 第91-94页 |
| 第七章 结束语 | 第94-98页 |
| ·本文主要贡献与创新 | 第94-95页 |
| ·下一步的研究工作 | 第95-98页 |
| 参考文献 | 第98-110页 |
| 致谢 | 第110-111页 |
| 作者简历 | 第111页 |
| 攻读博士学位期间发表的主要论文 | 第111-112页 |
| 攻读博士学位期间参加的主要科研项目 | 第112页 |