| 第一章 绪论 | 第1-22页 |
| ·KDD | 第12-17页 |
| ·KDD定义及研究现状 | 第12-15页 |
| ·KDD与相关技术的比较 | 第15-16页 |
| ·KDD的主要任务 | 第16-17页 |
| ·KDD发展趋势 | 第17页 |
| ·KDD中的分类问题 | 第17-20页 |
| ·分类问题的定义 | 第17-18页 |
| ·几种主要的分类模型 | 第18-19页 |
| ·分类模型的评估 | 第19-20页 |
| ·本文的内容组织 | 第20-22页 |
| 第二章 贝叶斯理论与贝叶斯分类模型 | 第22-31页 |
| ·贝叶斯分类的一般原理 | 第22-23页 |
| ·贝叶斯定理 | 第22页 |
| ·极大后验假设与极大似然假设 | 第22-23页 |
| ·几种常见的贝叶斯分类模型 | 第23-30页 |
| ·朴素贝叶斯分类模型及扩展 | 第23-25页 |
| ·朴素贝叶斯分类原理 | 第24-25页 |
| ·对朴素贝叶斯分类模型的改进 | 第25页 |
| ·提升的朴素贝叶斯分类器 | 第25-27页 |
| ·贝叶斯网络分类器 | 第27-29页 |
| ·增量贝叶斯分类模型 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 粗糙集合理论及其扩展模型研究 | 第31-43页 |
| ·粗糙集合理论的研究概述 | 第31-32页 |
| ·粗糙集合理论的基本概念 | 第32-37页 |
| ·近似空间的概念 | 第32页 |
| ·粗糙集合的基本概念 | 第32-34页 |
| ·基于粗糙集合理论的知识约简 | 第34-37页 |
| ·约简的定义 | 第34-35页 |
| ·相关概念 | 第35-36页 |
| ·常见的几种约简算法介绍 | 第36-37页 |
| ·不完备信息系统中ROUGH集扩展模型研究 | 第37-42页 |
| ·Rough集的几种扩展模型 | 第37-40页 |
| ·基于属性重要性的Rough集扩展模型 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于粗糙集合理论的朴素贝叶斯分类研究 | 第43-61页 |
| ·问题的提出 | 第43页 |
| ·基于粗糙集合理论的朴素贝叶斯分类算法(RSBC) | 第43-60页 |
| ·数据预处理 | 第44页 |
| ·基于粗集的数据预处理 | 第44-46页 |
| ·基于信息熵的近似属性约简算法(MAIR) | 第46-48页 |
| ·RSBC分类算法模型 | 第48-50页 |
| ·RSBC算法的理论依据 | 第48-49页 |
| ·RSBC算法描述 | 第49-50页 |
| ·RSBC算法实验结果及分析 | 第50-60页 |
| ·实验数据 | 第50-55页 |
| ·实验平台及实验步骤 | 第55-58页 |
| ·RSBC算法和NBC算法实验结果分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 结束语 | 第61-63页 |
| ·本文总结 | 第61页 |
| ·工作展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间参加研究的课题和发表的论文 | 第66页 |