粗糙集在知识发现中的应用研究
| 第一章 绪论 | 第1-13页 |
| ·引言 | 第6-7页 |
| ·知识发现 | 第7-10页 |
| ·知识发现过程 | 第8-9页 |
| ·知识发现的功能 | 第9-10页 |
| ·知识发现的主要技术 | 第10页 |
| ·粗糙集理论发展概况 | 第10-11页 |
| ·知识发现中的粗糙集方法 | 第11页 |
| ·论文主要工作及组织结构 | 第11-13页 |
| ·本文的主要工作 | 第11-12页 |
| ·论文组织结构 | 第12-13页 |
| 第二章 粗糙集理论 | 第13-22页 |
| ·粗糙集的基本概念 | 第13-16页 |
| ·知识与知识库 | 第13页 |
| ·信息系统 | 第13-14页 |
| ·不可分辨关系 | 第14页 |
| ·上近似集和下近似集 | 第14-16页 |
| ·知识的化简与知识的依赖性 | 第16-18页 |
| ·知识的简化 | 第16-17页 |
| ·知识的依赖性 | 第17-18页 |
| ·决策表 | 第18-22页 |
| ·决策表的概念 | 第18-20页 |
| ·属性重要性和决策表约简 | 第20页 |
| ·决策规则 | 第20-22页 |
| 第三章 粗糙集在知识发现中的应用 | 第22-27页 |
| ·RST 在KDD 中的可应用方面 | 第22-23页 |
| ·在数据清洗及预处理阶段 | 第22页 |
| ·在数据约简阶段 | 第22页 |
| ·在选择数据挖掘的模型函数阶段 | 第22页 |
| ·在数据挖掘阶段 | 第22-23页 |
| ·在解释阶段 | 第23页 |
| ·一种基于粗糙集的知识发现模型 | 第23-24页 |
| ·基于RS 的KDD 的优势 | 第24-25页 |
| ·RST 在KDD 中面临的挑战 | 第25-27页 |
| 第四章 一种数据离散方法的改进 | 第27-37页 |
| ·连续属性离散概述 | 第27-28页 |
| ·连续属性离散化的意义 | 第27-28页 |
| ·数据离散化问题描述 | 第28页 |
| ·离散化方法 | 第28-30页 |
| ·离散方法的分类 | 第28-29页 |
| ·离散化的主要技术 | 第29-30页 |
| ·MDLPC 离散化方法 | 第30-31页 |
| ·分类的熵 | 第30-31页 |
| ·基于MDLPC 准则的离散化方法 | 第31页 |
| ·MDLPC 的改进 | 第31-35页 |
| ·保持离散过程中数据的一致性 | 第32页 |
| ·冗余分割点的约简 | 第32-34页 |
| ·算法流程总结 | 第34-35页 |
| ·实验数据验证 | 第35-37页 |
| ·测试数据 | 第35页 |
| ·测试结果 | 第35页 |
| ·实验结果分析 | 第35-37页 |
| 第五章 实例应用 | 第37-45页 |
| ·应用背景 | 第37页 |
| ·数据集介绍 | 第37-39页 |
| ·应用分析 | 第39-44页 |
| ·KDD 目标确定 | 第39页 |
| ·数据准备 | 第39-41页 |
| ·属性约简 | 第41-42页 |
| ·规则生成 | 第42-43页 |
| ·结果分析 | 第43-44页 |
| ·规则解释应用 | 第44页 |
| ·小结 | 第44-45页 |
| 第六章 总结与展望 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 附录 | 第48-49页 |
| 致谢 | 第49-50页 |
| 中文详细摘要 | 第50-54页 |
