| 第一章 绪论 | 第1-15页 |
| 1．1 知识发现 | 第7-11页 |
| 1．1．1 知识 | 第7-8页 |
| 1．1．2 知识发现 | 第8页 |
| 1．1．3 知识发现的过程 | 第8页 |
| 1．1．4 知识发现的任务 | 第8-9页 |
| 1．1．5 知识发现的方法 | 第9-10页 |
| 1．1．6 知识发现的对象 | 第10-11页 |
| 1．2 RS理论与知识发现 | 第11-14页 |
| 1．2．1 基于RS理论的知识发现过程 | 第11-12页 |
| 1．2．2 基于RS理论的知识发现现状 | 第12-13页 |
| 1．2．3 基于RS的知识发现系统简介 | 第13-14页 |
| 1．3 本文的研究内容与结构安排 | 第14-15页 |
| 第二章 粗糙集理论的基本概念 | 第15-19页 |
| 2．1 知识与知识库 | 第15页 |
| 2．2 不精确范畴、近似与粗糙集 | 第15-16页 |
| 2．3 可变精度粗糙集模型 | 第16-17页 |
| 2．3．1 多数包含关系 | 第16-17页 |
| 2．3．2 变精度粗糙集模型中的近似集 | 第17页 |
| 2．4 不完备信息系统的粗糙集模型 | 第17-19页 |
| 2．4．1 不完备信息系统 | 第17-18页 |
| 2．4．2 近似集 | 第18-19页 |
| 第三章 数据可视化 | 第19-23页 |
| 第四章 知识的约减 | 第23-36页 |
| 4．1 知识约减的概念 | 第23-24页 |
| 4．2 基于分辨矩阵的知识约减 | 第24-27页 |
| 4．2．1 可分辨矩阵 | 第24页 |
| 4．2．2 基于分辨矩阵的约减算法 | 第24-25页 |
| 4．2．3 算法的改进 | 第25-26页 |
| 4．2．4 试验结果 | 第26-27页 |
| 4．3 分辨矩阵的特征秩机制 | 第27-29页 |
| 4．3．1 算法原理 | 第27-28页 |
| 4．3．2 算法 | 第28-29页 |
| 4．4 不确定信息系统的近似约减 | 第29-30页 |
| 4．4．1 列联矩阵(Contingency Matrix) | 第29页 |
| 4．4．2 从列向量和行向量中计算指标 | 第29-30页 |
| 4．4．3 近似约减 | 第30页 |
| 4．5 基于可变精度粗糙集模型(VPRS)的约减 | 第30-31页 |
| 4．6 不一致决策表的近似约减 | 第31-33页 |
| 4．6．1 近似约减的概念 | 第31-32页 |
| 4．6．2 近似约减的方法 | 第32-33页 |
| 4．7 不完整信息系统的约减 | 第33-36页 |
| 4．7．1 不完整信息系统 | 第33-34页 |
| 4．7．2 计算上近似和下近似 | 第34页 |
| 4．7．3 重要性和核 | 第34页 |
| 4．7．4 约减 | 第34-35页 |
| 4．7．5 最小约减 | 第35-36页 |
| 第五章 知识的分类 | 第36-61页 |
| 5．1 基于粗集的决策树算法 | 第36-40页 |
| 5．2 基于粗糙集的可扩展分类方法 | 第40-44页 |
| 5．2．1 分类问题 | 第40-41页 |
| 5．2．2 粗糙集和分类问题 | 第41-42页 |
| 5．2．3 惰性学习 | 第42页 |
| 5．2．4 基于粗糙集的惰性学习 | 第42-44页 |
| 5．3 基于粒度计算的分类 | 第44-53页 |
| 5．3．1 粒度和近似 | 第44-49页 |
| 5．3．2 粒度计算模型 | 第49-51页 |
| 5．3．3 通过搜索粒度集，导出分类规则 | 第51-53页 |
| 5．4 基于约束的分类规则的增量学习方法 | 第53-56页 |
| 5．4．1 简介 | 第53页 |
| 5．4．2 分类规则和约束 | 第53-54页 |
| 5．4．3 基于约束的增量算法 | 第54-55页 |
| 5．4．4 提高效率 | 第55-56页 |
| 5．5 不确定信息系统的分类方法 | 第56-61页 |
| 5．5．1 一般的粗糙集模型 | 第57-58页 |
| 5．5．2 学习分类规则 | 第58-61页 |
| 第六章 与遗传算法的初步结合 | 第61-70页 |
| 6．1 用遗传算法求近似熵约减 | 第61-64页 |
| 6．1．1 粗集和概率 | 第61-62页 |
| 6．1．2 信息熵 | 第62-63页 |
| 6．1．3 基于顺序的基因算法 | 第63-64页 |
| 6．2 有监督的基因分类算法 | 第64-70页 |
| 6．2．1 粗糙隶属函数 | 第64-65页 |
| 6．2．2 分类函数的学习算法 | 第65-68页 |
| 6．2．3 分类算法 | 第68-70页 |
| 第七章 总结与展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 在读期间发表论文 | 第75页 |