| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 选题的背景与研究现状 | 第11-15页 |
| 1.1.1 数据挖掘中用到的粗糙集理论及现有理论的局限性 | 第11-13页 |
| 1.1.2 泛逻辑的产生和发展 | 第13-15页 |
| 1.2 本文的主要创新工作 | 第15-16页 |
| 1.3 本文的结构安排 | 第16-18页 |
| 本章参考文献 | 第18-21页 |
| 第二章 数据挖掘、粗糙集及柔性逻辑理论基础 | 第21-55页 |
| 2.1 数据挖掘简介 | 第21-23页 |
| 2.1.1 数据挖掘方法简介 | 第21-22页 |
| 2.1.2 数据挖掘过程简介 | 第22-23页 |
| 2.2 粗糙集理论简介 | 第23-33页 |
| 2.2.1 粗糙集基础概念 | 第24-25页 |
| 2.2.2 属性约简的方法简介 | 第25-31页 |
| 2.2.3 粗糙集理论的扩展 | 第31-33页 |
| 2.3 柔性逻辑理论基础 | 第33-47页 |
| 2.3.1 柔性逻辑学理论基础 | 第33-35页 |
| 2.3.2 零级泛运算模型 | 第35-41页 |
| 2.3.3 一级泛运算模型 | 第41-43页 |
| 2.3.4 泛非命题连接词及其逻辑公式 | 第43-47页 |
| 2.4 柔性逻辑学理论和粗糙集理论结合的可能性 | 第47-49页 |
| 2.4.1 柔性逻辑和粗糙集理论的结合 | 第47-48页 |
| 2.4.2 柔性逻辑用在数据挖掘过程中——理论的验证 | 第48-49页 |
| 本章参考文献 | 第49-55页 |
| 第三章 完备信息系统下的属性约简研究 | 第55-69页 |
| 3.1 泛等价处理连续属性 | 第55-59页 |
| 3.1.1 不可分辨关系 | 第55-56页 |
| 3.1.2 泛等价处理连续值属性 | 第56-57页 |
| 3.1.3 应用泛等价关系对不可分辨关系进行新的定义 | 第57-59页 |
| 3.2 应用泛等价改进基于区分矩阵的属性约简算法 | 第59-67页 |
| 3.2.1 基于区分矩阵的属性约简算法及其泛等价改进策略 | 第59-61页 |
| 3.2.2 应用新不可分辨关系后的实例分析 | 第61-65页 |
| 3.2.3 应用新不可分辨关系改进后属性约简算法的实验验证 | 第65-67页 |
| 3.3 本章小结 | 第67-68页 |
| 本章参考文献 | 第68-69页 |
| 第四章 不完备信息系统下的泛容差关系 | 第69-84页 |
| 4.1 粗糙集扩展理论基础 | 第69-71页 |
| 4.1.1 容差关系 | 第70页 |
| 4.1.2 量化容差关系 | 第70-71页 |
| 4.2 改进量化容差关系 | 第71-77页 |
| 4.2.1 基于相关性的新量化容差关系 | 第71-73页 |
| 4.2.2 新量化容差关系下的实例分析 | 第73-77页 |
| 4.3 泛量化容差关系 | 第77-82页 |
| 4.3.1 泛容差关系 | 第77-79页 |
| 4.3.2 应用泛容差关系进行实例分析 | 第79-82页 |
| 4.4 本章小结 | 第82-83页 |
| 本章参考文献 | 第83-84页 |
| 第五章 数据挖掘中属性约简算法的实现与比较 | 第84-110页 |
| 5.1 基于区分矩阵的属性约简算法的实现 | 第84-90页 |
| 5.1.1 基于区分矩阵属性约简算法的过程简介 | 第84-86页 |
| 5.1.2 基于区分矩阵的属性约简算法实现及实验测试 | 第86-90页 |
| 5.2 启发式属性约简的实现 | 第90-95页 |
| 5.2.1 启发式属性约简算法过程简介 | 第90-91页 |
| 5.2.2 启发式属性约简算法的实现及实验测试 | 第91-95页 |
| 5.3 基于信息熵的属性约简算法的研究及实现 | 第95-100页 |
| 5.3.1 基于信息熵的属性约简过程简介 | 第95-96页 |
| 5.3.2 基于信息熵的属性约简的实现及实验测试 | 第96-100页 |
| 5.4 动态属性约简算法研究与实现 | 第100-105页 |
| 5.4.1 动态属性约简的过程简介 | 第100-101页 |
| 5.4.2 动态属性约简的实现与实验测试 | 第101-105页 |
| 5.5 几种属性约简算法时间比较 | 第105-107页 |
| 5.6 本章小结 | 第107页 |
| 本章参考文献 | 第107-110页 |
| 第六章 柔性逻辑在数据挖掘中的应用探索及验证 | 第110-135页 |
| 6.1 改进属性约简用在聚类挖掘中的实验验证 | 第110-120页 |
| 6.1.1 单连接层次聚类算法 | 第111-114页 |
| 6.1.2 K-Means聚类算法 | 第114-116页 |
| 6.1.3 FCM聚类算法 | 第116-118页 |
| 6.1.4 应用柔性逻辑约简前后的数据挖掘时间的比较 | 第118-120页 |
| 6.2 基于关键词相似度的web数据挖掘初探 | 第120-130页 |
| 6.2.1 关键词间相似度算法 | 第121页 |
| 6.2.2 词语相似度算法分析 | 第121-125页 |
| 6.2.3 用户相似度算法 | 第125-128页 |
| 6.2.4 结果分析 | 第128-130页 |
| 6.3 柔性逻辑应用到数据挖掘的探索与构想 | 第130-131页 |
| 6.4 本章小结 | 第131-132页 |
| 本章参考文献 | 第132-135页 |
| 第七章 总结与展望 | 第135-138页 |
| 7.1 研究工作总结 | 第135-137页 |
| 7.2 将来的研究展望 | 第137-138页 |
| 致谢 | 第138-139页 |
| 攻读博士学位期间发表的论文 | 第139-140页 |
