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

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

论文共135页,点击 下载论文
上一篇:服务企业竞争力研究
下一篇:基于可持续发展的地域能源战略研究