基于遗传算法的知识发现算法研究及应用
| 1 绪论 | 第1-15页 |
| 1．1 课题研究的目的和意义 | 第8页 |
| 1．2 国内外研究的现状及水平 | 第8-13页 |
| 1．3 本文研究的主要内容 | 第13-15页 |
| 2 知识发现的概述 | 第15-20页 |
| 2．1 KDD的产生背景 | 第15页 |
| 2．2 KDD的基本概念 | 第15-16页 |
| 2．3 KDD的过程 | 第16-17页 |
| 2．4 KDD的应用 | 第17页 |
| 2．5 数据挖掘技术简介 | 第17-20页 |
| 3 遗传算法 | 第20-28页 |
| 3．1 遗传算法的简介 | 第20-23页 |
| 3．1．1 遗传算法的产生与发展 | 第20-21页 |
| 3．1．2 遗传算法的基本思想 | 第21页 |
| 3．1．3 遗传算法的基本特点 | 第21-22页 |
| 3．1．4 遗传算法的基础理论 | 第22-23页 |
| 3．2 基本遗传算法 | 第23-24页 |
| 3．2．1 基本遗传算法的构成要素 | 第23-24页 |
| 3．2．2 基本遗传算法的流程图 | 第24页 |
| 3．3 遗传算法的实施技术 | 第24-27页 |
| 3．4 本章小结 | 第27-28页 |
| 4 ARM-GA算法 | 第28-38页 |
| 4．1 关联规则 | 第28-30页 |
| 4．1．1 关联规则的基本概念 | 第28-29页 |
| 4．1．2 关联规则的挖掘 | 第29页 |
| 4．1．3 现有的关联规则算法 | 第29-30页 |
| 4．2 ARM-GA算法的分析与构造 | 第30-33页 |
| 4．2．1 染色体编码的设计 | 第30-31页 |
| 4．2．2 适应度函数的构造 | 第31页 |
| 4．2．3 遗传操作的设计 | 第31-32页 |
| 4．2．4 规则过滤算子的引入 | 第32页 |
| 4．2．5 ARM-GA算法描述和流程图 | 第32-33页 |
| 4．3 算法在矿山事故分析中的应用 | 第33-37页 |
| 4．4 本章小结 | 第37-38页 |
| 5 DT_GA算法 | 第38-64页 |
| 5．1 决策树 | 第38-43页 |
| 5．1．1 决策树技术简介 | 第38-39页 |
| 5．1．2 决策树算法概述 | 第39-42页 |
| 5．1．3 现有决策树算法的瓶颈 | 第42页 |
| 5．1．4 决策树方法的发展趋势 | 第42-43页 |
| 5．2 DT_GA算法的分析与构造 | 第43-49页 |
| 5．2．1 DT_GA算法的分析 | 第43-44页 |
| 5．2．2 DT_GA算法的构造 | 第44-49页 |
| 5．3 算法描述 | 第49-51页 |
| 5．4 DT_GA算法在矿山事故分析中的应用 | 第51-55页 |
| 5．4．1 参数设置 | 第51页 |
| 5．4．2 试验设置 | 第51-53页 |
| 5．4．3 试验结果与分析 | 第53-55页 |
| 5．5 DT_GA算法的补充说明 | 第55-62页 |
| 5．5．1 自适应的控制参数 | 第55-56页 |
| 5．5．2 改造的 CAMM算法 | 第56-58页 |
| 5．5．3 树与粗糙集结合 | 第58-62页 |
| 5．6 本章小结 | 第62-64页 |
| 6 结论与展望 | 第64-67页 |
| 6．1 本文的创新性工作 | 第64-65页 |
| 6．2 本文的主要结论 | 第65-66页 |
| 6．3 尚待进一步研究的问题和展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 附录I:攻读硕士期间所发表的学术论文 | 第71页 |
