粗糙集和计算智能相结合的数据挖掘算法研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外的研究发展现状 | 第10-12页 |
| ·粗糙集和模糊集的结合 | 第11页 |
| ·粗糙集和神经网络相结合 | 第11页 |
| ·粗糙集、模糊集和神经网络三者相结合 | 第11-12页 |
| ·粗糙集与遗传算法相结合 | 第12页 |
| ·主要工作 | 第12-13页 |
| ·论文的组成结构 | 第13-14页 |
| 第二章 预备知识 | 第14-33页 |
| ·数据挖掘的发展 | 第14-16页 |
| ·发展概述 | 第14-15页 |
| ·研究热点 | 第15-16页 |
| ·未来研究方向 | 第16页 |
| ·数据挖掘的任务和方法 | 第16-18页 |
| ·数据挖掘的任务 | 第16-18页 |
| ·常用的方法 | 第18页 |
| ·数据挖掘的过程与应用 | 第18-20页 |
| ·数据挖掘的过程 | 第18-19页 |
| ·数据挖掘的应用 | 第19-20页 |
| ·粗糙集理论概述 | 第20-23页 |
| ·粗糙集理论的发展 | 第20-21页 |
| ·粗糙集理论的特点 | 第21页 |
| ·应用 | 第21-22页 |
| ·目前的研究热点 | 第22-23页 |
| ·粗糙集基本概念 | 第23-27页 |
| ·信息系统与决策表 | 第23页 |
| ·近似空间 | 第23-25页 |
| ·约简与核 | 第25-26页 |
| ·知识的依赖性 | 第26-27页 |
| ·粗糙集理论在数据挖掘中的应用 | 第27-28页 |
| ·数据预处理 | 第27页 |
| ·生成分类规则 | 第27-28页 |
| ·对规则的解释 | 第28页 |
| ·计算智能概述 | 第28-32页 |
| ·神经网络及其在数据挖掘方面的应用 | 第28-30页 |
| ·模糊集及其在数据挖掘方面的应用 | 第30-31页 |
| ·进化计算概述 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于粗糙集和小生境遗传算法的层次聚类算法 | 第33-44页 |
| ·分裂式层次聚类算法 | 第33-34页 |
| ·遗传算法 | 第34-36页 |
| ·遗传算法的特点 | 第34页 |
| ·遗传算法的关键问题及方法 | 第34-35页 |
| ·遗传算法的一般流程 | 第35-36页 |
| ·小生境遗传算法 | 第36-38页 |
| ·用于聚类分析的粗糙集广义近似空间 | 第38-39页 |
| ·RNGADHCA 算法 | 第39-40页 |
| ·RNGAD 算法 | 第40-42页 |
| ·实验结果 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于粗糙集和组织协同进化的分类算法 | 第44-56页 |
| ·组织协同进化算法 | 第44-48页 |
| ·协同进化算法 | 第44-45页 |
| ·组织协同进化算法 | 第45-48页 |
| ·基于粗糙集和组织协同进化的分类算法 | 第48-54页 |
| ·支持子集 | 第48页 |
| ·组织的构成及其进化算子 | 第48-49页 |
| ·种群更替算法 | 第49-52页 |
| ·分类规则的提取方法 | 第52-53页 |
| ·基于粗糙集和组织协同进化的分类算法 | 第53-54页 |
| ·实验结果 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 结论与展望 | 第56-57页 |
| ·结论 | 第56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 附录 攻读学位期间发表论文目录 | 第62页 |
