第一章 绪论 | 第1-35页 |
·选题的研究背景和意义 | 第8-9页 |
·数据挖掘与文本挖掘概述 | 第9-19页 |
·数据挖掘概述 | 第9-11页 |
·文本挖掘概述 | 第11-19页 |
·数据挖掘文本挖掘的主要技术 | 第19-24页 |
·分类技术 | 第19-22页 |
·聚类技术 | 第22-24页 |
·基于粗糙集理论的数据及文本挖掘进展及评述 | 第24-32页 |
·粗糙集理论概述 | 第24-27页 |
·粗糙集中的属性约简问题 | 第27-29页 |
·粗糙集在数据挖掘中的应用 | 第29-30页 |
·粗糙集同其他方法相结合用于数据挖掘 | 第30-31页 |
·基于粗糙集的数据挖掘系统[109] | 第31-32页 |
·本文的主要工作和创新点 | 第32-35页 |
第二章 数据挖掘及文本挖掘中的属性约简方法研究 | 第35-47页 |
·引言 | 第35-36页 |
·基于TABU搜索的属性约简算法 | 第36-37页 |
·Tabu搜索算法 | 第36-37页 |
·基于Tabu搜索的属性约简算法及其缺点 | 第37页 |
·基于算法改进的属性约简方法 | 第37-40页 |
·算法的原理和步骤 | 第37-38页 |
·算法具体实现技术 | 第38-40页 |
·仿真实验研究 | 第40-42页 |
·实验1 | 第40-41页 |
·实验2 | 第41-42页 |
·模式聚合理论简介 | 第42-44页 |
·CHI概率统计 | 第42-43页 |
·模式聚合 | 第43-44页 |
·基于模式聚合和潜在语义索引的文本降维新方法 | 第44-45页 |
·仿真实验研究 | 第45-46页 |
·实验一 | 第45页 |
·实验二 | 第45-46页 |
·结论 | 第46-47页 |
第三章 基于粗集和遗传算法相结合的文本模糊聚类方法 | 第47-56页 |
·引言 | 第47-48页 |
·粗糙集的几个性质 | 第48页 |
·粗集和遗传算法相结合的文本聚类方法 | 第48-53页 |
·文本的表示 | 第48-49页 |
·评价函数 | 第49-51页 |
·遗传编码 | 第51-52页 |
·遗传算子的设计 | 第52-53页 |
·运算终止条件 | 第53页 |
·仿真实验研究 | 第53-55页 |
·测试结果 | 第53-55页 |
·对于权重的讨论 | 第55页 |
·本章小结 | 第55-56页 |
第四章 一种基于χ值特征选取的粗糙集文本分类规则抽取方法 | 第56-70页 |
·引言 | 第56-57页 |
·基本原理 | 第57-60页 |
·文本分类近似规则 | 第57-58页 |
·χ~2 值的讨论 | 第58-60页 |
·方法主要步骤 | 第60页 |
·基于χ值特征选取和粗糙集的文本分类规则抽取方法 | 第60-62页 |
·主算法 | 第60-61页 |
·属性约简子算法 | 第61页 |
·规则抽取子算法 | 第61-62页 |
·仿真实验研究 | 第62-69页 |
·实验一 | 第62-65页 |
·实验二 | 第65-69页 |
·本章小结 | 第69-70页 |
第五章 基于粗集和模糊集理论相结合的决策规则抽取方法 | 第70-78页 |
·引言 | 第70页 |
·定量数据的模糊表示 | 第70-72页 |
·改进算法 | 第72-74页 |
·隶属函数定义的改进 | 第72-74页 |
·定量决策表到定性决策表的转换 | 第74页 |
·仿真实验研究 | 第74-77页 |
·本章小结 | 第77-78页 |
第六章 基于RPCL的文本聚类方法 | 第78-85页 |
·引言 | 第78-79页 |
·RPCL聚类算法 | 第79-81页 |
·RPCL文本聚类的步骤 | 第81-83页 |
·仿真实验研究 | 第83-84页 |
·实验方案 | 第83-84页 |
·实验过程 | 第84页 |
·结果分析 | 第84页 |
·本章小结 | 第84-85页 |
第七章 基于知识简洁度的粗集聚类方法 | 第85-91页 |
·引言 | 第85-86页 |
·基于知识简洁度的聚类算法 | 第86-87页 |
·算法中的基本概念 | 第86-87页 |
·基于知识简洁度的聚类算法 | 第87页 |
·仿真实验研究 | 第87-90页 |
·结论 | 第90-91页 |
第八章 总结与展望 | 第91-94页 |
参考文献 | 第94-104页 |
攻读博士期间发表的论文及参加的科研项目 | 第104-105页 |
致谢 | 第105页 |