基于粗糙集的分类算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景和意义 | 第9-10页 |
| ·数据挖掘概述 | 第10-13页 |
| ·数据挖掘的基本概念 | 第10-11页 |
| ·数据挖掘的过程 | 第11页 |
| ·数据挖掘的功能 | 第11-12页 |
| ·数据挖掘的发展趋势和方向 | 第12-13页 |
| ·国内外研究发展现状 | 第13-15页 |
| ·本文的研究内容与组织安排 | 第15-16页 |
| 第二章 粗糙集理论概述 | 第16-26页 |
| ·知识与不可辨识关系 | 第16-17页 |
| ·近似与粗糙集 | 第17-19页 |
| ·知识约简、知识依赖度和属性重要度 | 第19-23页 |
| ·知识约简 | 第19-22页 |
| ·知识的依赖性 | 第22页 |
| ·属性重要度 | 第22-23页 |
| ·知识表达系统和决策表 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于粗糙集的属性约简算法 | 第26-39页 |
| ·属性约简的一般方法 | 第26-30页 |
| ·基本算法 | 第26-27页 |
| ·基于区分矩阵的属性约简算法 | 第27-28页 |
| ·基于属性重要性的启发式算法 | 第28-30页 |
| ·基于遗传算法的属性约简方法 | 第30-38页 |
| ·遗传算法简介 | 第30页 |
| ·遗传约简算法 | 第30-31页 |
| ·遗传约简算法的设计 | 第31-33页 |
| ·遗传约简算法的基本框架 | 第33-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于粗糙集的决策树分类方法 | 第39-53页 |
| ·决策树概述 | 第39-40页 |
| ·几种典型的决策树分类方法 | 第40-44页 |
| ·ID3 算法 | 第40-42页 |
| ·C4.5 算法 | 第42页 |
| ·CRAT 算法 | 第42-43页 |
| ·SLIQ 算法 | 第43-44页 |
| ·SPRINT 算法 | 第44页 |
| ·基于粗糙集理论的决策树分类方法 | 第44-46页 |
| ·决策树的生成 | 第44-45页 |
| ·决策树的剪枝 | 第45-46页 |
| ·分类规则的提取 | 第46页 |
| ·实例分析 | 第46-52页 |
| ·建树 | 第46-50页 |
| ·剪枝 | 第50-51页 |
| ·提取分类规则 | 第51页 |
| ·结论 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 结论与展望 | 第53-55页 |
| ·结论 | 第53页 |
| ·展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 附录A 攻读学位期间发表的论文 | 第59页 |
