数据挖掘中的规则提取
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·数据挖掘背景 | 第10-13页 |
| ·GIS发展现状 | 第10页 |
| ·数据挖掘和知识发现的意义 | 第10页 |
| ·数据挖掘产生的背景 | 第10-11页 |
| ·数据挖掘和知识发现的发展和现状 | 第11页 |
| ·DMKD的主要研究内容 | 第11-12页 |
| ·数据发掘和知识发现的研究方法与策略 | 第12-13页 |
| ·空间挖掘和知识发现在GIS与遥感中的应用 | 第13-14页 |
| ·GIS智能化分析 | 第13页 |
| ·在遥感影像解释中的应用 | 第13-14页 |
| ·空间数据发掘和知识发现的方法 | 第14-16页 |
| ·统计方法 | 第14页 |
| ·归纳方法 | 第14页 |
| ·聚类方法 | 第14页 |
| ·关联规则发掘方法 | 第14-15页 |
| ·Rough集方法 | 第15页 |
| ·云理论 | 第15页 |
| ·神经网络 | 第15-16页 |
| ·遗传算法 | 第16页 |
| ·空间数据挖掘的任务 | 第16-18页 |
| ·数据发掘和知识发现面临的困难 | 第18页 |
| ·本文的主要研究内容 | 第18-19页 |
| 第二章 理论基础 | 第19-37页 |
| ·粗糙集理论 | 第19-24页 |
| ·信息表知识表达系统 | 第19-21页 |
| ·粗糙集理论基础 | 第21-22页 |
| ·数据约简 | 第22-23页 |
| ·不一致推理策略 | 第23-24页 |
| ·决策算法的最小化 | 第24页 |
| ·云理论 | 第24-29页 |
| ·概念 | 第25-29页 |
| ·基于云理论的不确定性推理 | 第29页 |
| ·云理论在GIS中的应用价值 | 第29页 |
| ·基于云模型的数据挖掘 | 第29-34页 |
| ·基于云模型的空间概念表达 | 第29-30页 |
| ·基于云模型的知识表达 | 第30-31页 |
| ·基于云模型的概念生成方法 | 第31-33页 |
| ·云模型从空间数据发现关联知识 | 第33-34页 |
| ·连续数据离散化 | 第34-37页 |
| ·连续数据离散化相关研究 | 第34页 |
| ·最大方差法连续数据离散化 | 第34-36页 |
| ·最大方差法与云理论的结合 | 第36-37页 |
| 第三章 云理论与粗集结合进行数据挖掘的模型建立 | 第37-42页 |
| ·结合的优势 | 第37页 |
| ·结合的方法 | 第37页 |
| ·处理方法 | 第37-42页 |
| ·收集数据 | 第37页 |
| ·建立决策表 | 第37-38页 |
| ·数据预处理 | 第38页 |
| ·数据离散化 | 第38-39页 |
| ·属性约简 | 第39-40页 |
| ·属性重要性的计算 | 第40页 |
| ·决策规则最小化的提取 | 第40页 |
| ·云理论提取规则 | 第40-42页 |
| 第四章 西安地裂缝问题的实例分析 | 第42-52页 |
| ·地裂缝分布状况 | 第42-44页 |
| ·地裂缝成因及其强烈活动的影响因素 | 第44-45页 |
| ·利用云理论和粗集方法结合进行地裂缝数据分析 | 第45-52页 |
| ·数据收集 | 第45页 |
| ·数据预处理 | 第45-46页 |
| ·数据的离散化 | 第46-50页 |
| ·属性约简 | 第50页 |
| ·属性重要性计算 | 第50页 |
| ·规则提取 | 第50-52页 |
| 第五章 结论与建议 | 第52-54页 |
| 参考文献 | 第54-55页 |
| 致谢 | 第55页 |
