首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

Rough集和云理论在空间数据挖掘中的应用

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

论文共95页,点击 下载论文
上一篇:无蹼壁虎雌激素受体α mRNA的分子克隆和组织分布
下一篇:牛肝菌液态发酵生成茶氨酸的研究