| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 绪论 | 第12-16页 |
| ·课题研究背景 | 第12-13页 |
| ·连续属性离散化的国内外研究现状 | 第13-15页 |
| ·本文的主要研究内容 | 第15-16页 |
| 2 连续属性离散化 | 第16-31页 |
| ·数据挖掘理论 | 第16-17页 |
| ·数据挖掘的定义 | 第16页 |
| ·数据挖掘的基本过程 | 第16-17页 |
| ·连续属性离散化的数学描述 | 第17-18页 |
| ·连续属性离散化的意义和重要性 | 第18-19页 |
| ·连续属性离散化算法的目标 | 第19页 |
| ·连续属性离散化算法的分类 | 第19-21页 |
| ·常见的连续属性离散化算法 | 第21-31页 |
| ·基于贪心及其改进算法的连续属性离散化算法 | 第22-24页 |
| ·基于断点重要性的连续属性离散化算法 | 第24-25页 |
| ·基于属性重要性的连续属性离散化算法 | 第25-26页 |
| ·基于信息熵的连续属性离散化算法 | 第26-27页 |
| ·基于遗传算法的连续属性离散化算法 | 第27-28页 |
| ·基于聚类的连续属性离散化算法 | 第28-31页 |
| 3 聚类分析 | 第31-41页 |
| ·聚类分析的概念 | 第31-34页 |
| ·聚类分析的数学描述 | 第31-32页 |
| ·相似性测度 | 第32-34页 |
| ·聚类的过程 | 第34-35页 |
| ·几种主要的聚类分析算法 | 第35-39页 |
| ·基于划分的聚类方法 | 第35-36页 |
| ·基于层次的聚类方法 | 第36-37页 |
| ·基于密度的聚类方法 | 第37页 |
| ·基于网格的聚类方法 | 第37-38页 |
| ·基于模型的聚类方法 | 第38页 |
| ·孤立点分析 | 第38-39页 |
| ·最近邻聚类算法 | 第39-41页 |
| ·最近邻聚类算法思想 | 第39页 |
| ·最近邻聚类算法的应用研究分析 | 第39-41页 |
| 4 最近邻聚类和连续属性离散化的内在机理分析 | 第41-46页 |
| ·基于最近邻聚类的连续属性离散化算法的理论分析 | 第41-44页 |
| ·基于最近邻聚类的连续属性离散化决策属性逼近性研究 | 第44-46页 |
| 5 基于最近邻聚类的连续属性离散化算法及实例分析 | 第46-57页 |
| ·最近邻聚类算法的几点改进措施 | 第46-48页 |
| ·基于最近临聚类的连续属性离散化算法 | 第48-50页 |
| ·实例分析 | 第50-57页 |
| ·天气信息决策系统的连续属性离散化算法应用研究 | 第50-52页 |
| ·UCI机器学习数据库的连续属性离散化算法应用研究 | 第52-57页 |
| 6 结论与展望 | 第57-60页 |
| ·本论文的主要工作 | 第57-58页 |
| ·研究展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录 攻读硕士学位期间完成的学术论文 | 第66页 |