基于粗糙集理论的知识发现方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-26页 |
| ·知识发现概述 | 第10-17页 |
| ·知识发现的概念 | 第10-12页 |
| ·知识发现的过程 | 第12-13页 |
| ·知识发现的任务 | 第13-15页 |
| ·知识发现的方法 | 第15-17页 |
| ·粗糙集理论概述 | 第17-24页 |
| ·粗糙集理论提出的背景 | 第17-18页 |
| ·粗糙集理论国内外发展现状 | 第18-20页 |
| ·粗糙集理论及其应用研究现状 | 第20-24页 |
| ·知识发现与粗糙集 | 第24页 |
| ·本文主要内容和组织 | 第24-26页 |
| 第2章 粗糙集理论基础 | 第26-38页 |
| ·粗糙集的基本概念 | 第26-34页 |
| ·知识与分类 | 第26-27页 |
| ·知识的等价与粗细关系 | 第27-28页 |
| ·信息系统与决策系统 | 第28-29页 |
| ·上近似、下近似与粗糙集 | 第29-30页 |
| ·精确性度量 | 第30-32页 |
| ·划分的近似 | 第32页 |
| ·约简与核 | 第32-34页 |
| ·粗糙集与其他不确定性理论的比较 | 第34-38页 |
| ·粗糙集与模糊集 | 第34-35页 |
| ·粗糙集与概率统计方法 | 第35-36页 |
| ·粗糙集与Dempster-Shafer证据理论 | 第36-38页 |
| 第3章 决策系统中连续属性的离散化 | 第38-59页 |
| ·引言 | 第38-39页 |
| ·粗糙集中的离散化问题 | 第39-41页 |
| ·一种改进的启发式离散化方法 | 第41-49页 |
| ·改进算法中初始断点集的确定 | 第41-42页 |
| ·改进后的启发式算法 | 第42-43页 |
| ·一个示例 | 第43-47页 |
| ·实验比较 | 第47-49页 |
| ·基于免疫算法的离散化方法 | 第49-57页 |
| ·免疫算法机理 | 第49-50页 |
| ·免疫算法的计算流程 | 第50-52页 |
| ·算法框架 | 第52-53页 |
| ·初始断点集与构造新决策系统S~* | 第53-54页 |
| ·抗体的表达 | 第54-55页 |
| ·亲合度与浓度的计算 | 第55页 |
| ·杂交和变异 | 第55-56页 |
| ·实验研究 | 第56-57页 |
| ·本章小节 | 第57-59页 |
| 第4章 决策系统属性约简 | 第59-75页 |
| ·引言 | 第59-60页 |
| ·属性约简的一个例子与相关基本概念 | 第60-63页 |
| ·现有几种典型的属性约简算法及其分析 | 第63-67页 |
| ·基于依赖度的算法 | 第63-64页 |
| ·基于分类质量的算法 | 第64页 |
| ·基于信息熵的算法 | 第64-65页 |
| ·基于差别矩阵中属性频率的算法 | 第65-66页 |
| ·算法分析 | 第66-67页 |
| ·属性约简的一种新启发式算法 | 第67-74页 |
| ·属性重要性度量方法 | 第67-68页 |
| ·基于互信息增益率的启发式算法 | 第68-69页 |
| ·算法分析 | 第69-70页 |
| ·实验结果及相关比较 | 第70-74页 |
| ·本章小节 | 第74-75页 |
| 第5章 决策规则获取 | 第75-96页 |
| ·引言 | 第75-77页 |
| ·几种决策规则获取算法 | 第77-83页 |
| ·一般值约简算法 | 第77页 |
| ·归纳值约简算法 | 第77页 |
| ·基于决策矩阵的值约简算法 | 第77-78页 |
| ·缺省规则获取算法 | 第78-79页 |
| ·基于分类一致性的规则获取算法RICCR | 第79-83页 |
| ·处理不一致决策系统的算法 | 第83-95页 |
| ·算法描述 | 第84-86页 |
| ·算法示例说明 | 第86-92页 |
| ·实验研究 | 第92-95页 |
| ·本章小节 | 第95-96页 |
| 第6章 全文总结 | 第96-98页 |
| 参考文献 | 第98-114页 |
| 攻读博士学位期间主要的研究成果 | 第114-115页 |
| 致谢 | 第115-116页 |
| 作者简历 | 第116页 |
