粗糙集理论在数据挖掘领域中的应用
摘要 | 第1-10页 |
Abstract | 第10-12页 |
第一章 绪论 | 第12-24页 |
·数据挖掘基本知识 | 第12-18页 |
·数据预处理 | 第13-15页 |
·数据挖掘分类 | 第15-17页 |
·数据挖掘结果的评估 | 第17-18页 |
·数据挖掘方法和技术 | 第18-19页 |
·统计学习方法 | 第18-19页 |
·机器学习方法 | 第19页 |
·仿生物技术 | 第19页 |
·数据挖掘研究中的技术难题 | 第19-20页 |
·论文研究内容与结构 | 第20-24页 |
·研究内容 | 第20-21页 |
·论文结构 | 第21-24页 |
第二章 基础知识:Rough集 | 第24-46页 |
·Rough集的基本概念 | 第25-31页 |
·知识的分类观点 | 第25-27页 |
·知识的概率分布 | 第27-29页 |
·新型的成员关系 | 第29-30页 |
·概念的边界观点 | 第30-31页 |
·知识的化简 | 第31-38页 |
·知识的简约 | 第31-32页 |
·知识的相对简约 | 第32-34页 |
·知识的依赖性 | 第34-35页 |
·属性的重要性 | 第35-38页 |
·Rough集的研究现状 | 第38-45页 |
·理论研究 | 第39-42页 |
·应用研究 | 第42-43页 |
·应用软件 | 第43-45页 |
·小结 | 第45-46页 |
第三章 基于数据表分解的规则发现 | 第46-58页 |
·数据表分解过程 | 第46-50页 |
·数据表分解的几个性质 | 第50-52页 |
·算例研究 | 第52-56页 |
·一个决策表分解实例及其信息熵验证 | 第52-55页 |
·基于数据表分解的规则发现应用研究 | 第55-56页 |
·小结 | 第56-58页 |
第四章 基于等价类概念的单维布尔关联规则挖掘 | 第58-76页 |
·关联规则的基本概念 | 第58-60页 |
·挖掘关联规则的DMAL_ASRM算法 | 第60-72页 |
·频繁项集的生成 | 第60-66页 |
·关联规则的生成 | 第66-67页 |
·DMAL_ASRM算法流程图 | 第67-69页 |
·与Apriori算法对比 | 第69-71页 |
·实验研究 | 第71-72页 |
·规则质量的趣味性度量 | 第72-75页 |
·小结 | 第75-76页 |
第五章 基于因子分析和信息增益的属性选择 | 第76-90页 |
·属性选择的内容 | 第76-78页 |
·进行属性选择的FAE方法 | 第78-81页 |
·基于因子分析与因子旋转的属性分组 | 第78-80页 |
·基于信息熵度量的属性选择 | 第80-81页 |
·实验研究 | 第81-88页 |
·一个实例:CorrAL数据表的属性选择过程 | 第81-86页 |
·与其它属性选择方法的结果对比 | 第86-88页 |
·小结 | 第88-90页 |
第六章 基于FAE方法的分类器建模 | 第90-100页 |
·分类与预测的基本知识 | 第90-92页 |
·数据分类过程的主要步骤 | 第90-91页 |
·有关分类与预测的若干问题 | 第91-92页 |
·分类器建模--DMAL_FAERSCM算法 | 第92-95页 |
·DMAL_FAERSCM算法步骤 | 第92-93页 |
·构造规则分类器 | 第93页 |
·使用规则进行分类 | 第93-95页 |
·实验研究 | 第95-99页 |
·对Monk问题的研究 | 第95-98页 |
·对比实验 | 第98-99页 |
·小结 | 第99-100页 |
第七章 基于Rough集的数据清洗 | 第100-114页 |
·典型数据问题 | 第100-102页 |
·CLAL_NULL算法--缺失数据添补 | 第102-106页 |
·完全基于Rough分析的填补方法 | 第102页 |
·部分基于Rough分析的填补方法 | 第102-104页 |
·算法测试 | 第104-106页 |
·CLAL_DUPL算法--重复数据发现 | 第106-112页 |
·数据表分解 | 第106-108页 |
·子表中的重复数据发现 | 第108-109页 |
·CLAL_DUPL算法步骤 | 第109-111页 |
·算法测试 | 第111-112页 |
·小结 | 第112-114页 |
第八章 总结与展望 | 第114-118页 |
·工作总结 | 第114-115页 |
·工作展望 | 第115-118页 |
参考文献 | 第118-134页 |
致谢 | 第134-135页 |
攻读博士学位期间发表或录用的论文 | 第135页 |
攻读博士学位期间参与的科研项目 | 第135页 |