摘要 | 第1-6页 |
ABSTRACT | 第6-15页 |
第一章 绪论 | 第15-27页 |
·数据挖掘 | 第15-18页 |
·数据挖掘的提出 | 第15页 |
·数据挖掘的定义 | 第15页 |
·数据挖掘的过程 | 第15页 |
·数据挖掘的三步曲 | 第15-16页 |
·数据挖掘的方法 | 第16-17页 |
·数据挖掘的对象 | 第17页 |
·数据挖掘的任务 | 第17页 |
·数据挖掘的发展现状和前景 | 第17-18页 |
·空间数据挖掘 | 第18-25页 |
·空间数据挖掘和知识发现的定义和特点 | 第18-19页 |
·空间数据仓库与空间数据挖掘 | 第19-20页 |
·从空间数据库可发现的知识类型 | 第20-21页 |
·空间数据挖掘的方法 | 第21-23页 |
·空间数据挖掘系统的体系结构和开发策略 | 第23-25页 |
·本论文的组织结构 | 第25-27页 |
第二章 Rough集合 | 第27-37页 |
·Rough集的提出 | 第27页 |
·Rough集的基本概念和性质 | 第27-31页 |
·Rough集的基本概念 | 第27-28页 |
·Rough集下近似和上近似的基本性质 | 第28-29页 |
·Rough集中的成员关系 | 第29页 |
·不精确性的数字特征 | 第29页 |
·不精确性的拓扑特征化 | 第29-30页 |
·分类的近似 | 第30页 |
·集合的粗略相等和粗略包含 | 第30-31页 |
·属性值系统 | 第31页 |
·属性的依赖 | 第31-32页 |
·属性的简化与属性系统的核 | 第32页 |
·属性的重要性 | 第32-33页 |
·决策表的分析和简化 | 第33-34页 |
·决策表的定义与性质 | 第33页 |
·决策表的简化与最小决策算法生成 | 第33-34页 |
·举例说明 | 第34-36页 |
·例一 | 第34-35页 |
·例二 | 第35-36页 |
·小结 | 第36-37页 |
第三章 基于 Rough集的属性约简算法的研究 | 第37-53页 |
·数据约简的现状 | 第37-43页 |
·数据约简 | 第37页 |
·属性约简 | 第37页 |
·基于 Rough集的属性约简算法 | 第37-43页 |
·FAE方法——一种优化属性选择方法 | 第43-48页 |
·信息熵的相关知识 | 第43-44页 |
·属性选择 | 第44-45页 |
·FAERS分类器模型 | 第45-46页 |
·实验研究 | 第46-47页 |
·结论 | 第47-48页 |
·蚁群算法在属性约简中的应用 | 第48-52页 |
·蚁群算法 | 第48-49页 |
·具体算法流程 | 第49-51页 |
·实验与结果分析 | 第51-52页 |
·结论 | 第52页 |
·小结 | 第52-53页 |
第四章 云理论 | 第53-70页 |
·云理论 | 第53-63页 |
·云理论的提出 | 第53页 |
·云理论的基本概念 | 第53-56页 |
·云模型 | 第56-57页 |
·云发生器 | 第57-62页 |
·虚拟云 | 第62-63页 |
·云理论在数据挖掘中的应用 | 第63-65页 |
·基于云模型的概念和知识表达 | 第63-64页 |
·云理论与Rough集的结合 | 第64-65页 |
·基于云模型的离散化算法 | 第65-69页 |
·不确定程度 | 第65-66页 |
·峰值法云变换算法 | 第66-68页 |
·基于云理论的离散化算法 | 第68-69页 |
·小结 | 第69-70页 |
第五章 基于 Rough集和云理论的空间数据挖掘系统 | 第70-79页 |
·空间数据挖掘系统的模型 | 第70-72页 |
·空间数据挖掘原型系统的具体运用 | 第72-77页 |
·目标数据集的选择 | 第72-73页 |
·数据预处理 | 第73-74页 |
·数据转换 | 第74-75页 |
·空间数据分类 | 第75-77页 |
·对挖掘结果的分析与应用 | 第77页 |
·小结 | 第77-79页 |
第六章 总结 | 第79-80页 |
·工作总结 | 第79页 |
·进一步需要做的工作 | 第79-80页 |
参考文献 | 第80-83页 |
附录1 | 第83-88页 |
附录2 | 第88-91页 |
致谢 | 第91-92页 |
研究成果及发表的学术论文 | 第92-93页 |
作者简介 | 第93-94页 |
硕士研究生学位论文答辩委员会决议书 | 第94-95页 |