基于粗糙集理论的数据挖掘方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究目的和意义 | 第9页 |
| ·数据挖掘综述 | 第9-14页 |
| ·数据挖掘定义 | 第9页 |
| ·数据挖掘的结构和过程 | 第9-11页 |
| ·数据挖掘的任务 | 第11-12页 |
| ·数据挖掘常用的技术分类 | 第12-13页 |
| ·数据挖掘的展望 | 第13-14页 |
| ·本文的组织 | 第14-15页 |
| 第二章 粗糙集理论 | 第15-24页 |
| ·粗糙集理论的研究背景 | 第15页 |
| ·粗糙集理论的研究现状 | 第15-16页 |
| ·粗糙集概念 | 第16-23页 |
| ·信息系统 | 第16-18页 |
| ·不可分辨关系与上﹑下近似集 | 第18-20页 |
| ·属性和重要性 | 第20-22页 |
| ·知识的约简和核 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 连续属性的离散化 | 第24-39页 |
| ·连续属性离散化背景 | 第24页 |
| ·离散化问题的描述 | 第24-25页 |
| ·连续属性离散化方法 | 第25-28页 |
| ·离散化算法的任务 | 第25页 |
| ·离散化算法的目标 | 第25-26页 |
| ·连续属性离散化过程 | 第26-27页 |
| ·分层聚类的方法 | 第27-28页 |
| ·遗传算法 | 第28-32页 |
| ·遗传算法基本概念 | 第28页 |
| ·遗传算法简介 | 第28-32页 |
| ·基于遗传算法的连续属性离散化方法 | 第32-38页 |
| ·算法的基本思想 | 第32页 |
| ·算法描述 | 第32-34页 |
| ·仿真实验及性能评价 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 属性约简 | 第39-47页 |
| ·属性约简算法概述 | 第39-40页 |
| ·遗传算法的共性问题研究 | 第40-42页 |
| ·适应度函数 | 第40-42页 |
| ·控制参数的选取 | 第42页 |
| ·信息熵 | 第42页 |
| ·基于信息熵的核子集应用遗传算法的属性约简 | 第42-46页 |
| ·初始化种群 | 第43-44页 |
| ·求个体目标函数，确定个体级别 | 第44页 |
| ·遗传操作 | 第44页 |
| ·终止条件 | 第44-45页 |
| ·实例分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 规则获取 | 第47-55页 |
| ·现有算法分析 | 第47-48页 |
| ·基于粗糙集与决策树的增量式规则获取方法 | 第48-53页 |
| ·算法研究意义 | 第48页 |
| ·规则获取 | 第48-49页 |
| ·算法分析与实现 | 第49-51页 |
| ·实验及结果分析 | 第51-53页 |
| ·结论 | 第53页 |
| ·本章小结 | 第53-55页 |
| 第六章 结论与展望 | 第55-56页 |
| ·主要工作及创新点 | 第55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 附录A 攻读学位期间发表的论文 | 第60页 |
