基于粗糙集理论的数据挖掘技术在时序信号分析系统中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·时间序列数据挖掘研究现状 | 第10-12页 |
| ·粗糙集理论的研究状况 | 第12-14页 |
| ·本文主要研究内容 | 第14-15页 |
| ·全文组织结构 | 第15-16页 |
| 本章小结 | 第16-17页 |
| 第二章 时序信号分析的基本理论与方法 | 第17-35页 |
| ·时间序列分析的概述 | 第17-18页 |
| ·时间序列的概念 | 第17页 |
| ·时序数据的特点 | 第17-18页 |
| ·时序信号分析 | 第18-20页 |
| ·时间序列分析的主要方法 | 第19-20页 |
| ·时间序列分析的主要用途 | 第20页 |
| ·频谱分析介绍 | 第20-29页 |
| ·周期信号的傅立叶变换 | 第20-21页 |
| ·周期性推算 | 第21-24页 |
| ·最小二乘法求傅立叶系数 | 第24-29页 |
| ·相关分析 | 第29-34页 |
| ·相关分析和相关关系的概念 | 第30-31页 |
| ·相关分析的步骤和研究方法 | 第31-32页 |
| ·相关系数 | 第32-34页 |
| 本章小结 | 第34-35页 |
| 第三章 数据挖掘与粗糙集理论 | 第35-43页 |
| ·数据挖掘与知识发现概述 | 第35-38页 |
| ·数据挖掘模式类型 | 第35-36页 |
| ·数据挖掘常用的技术 | 第36-37页 |
| ·数据挖掘过程 | 第37-38页 |
| ·粗糙集(Rough Set)的基本概念 | 第38-41页 |
| ·知识与等价关系 | 第38-39页 |
| ·信息系统、近似集和边界区 | 第39-41页 |
| ·属性的重要性 | 第41-42页 |
| ·按属性分类 | 第42页 |
| 本章小结 | 第42-43页 |
| 第四章 粗糙集理论在时序分析中的应用 | 第43-53页 |
| ·常见的分类方法 | 第43-44页 |
| ·主要的分类方法 | 第43-44页 |
| ·影响分类的因素 | 第44页 |
| ·按相关系数进行分类 | 第44-46页 |
| ·按相关系数进行分类的思想 | 第44-45页 |
| ·算法复杂度分析 | 第45页 |
| ·按相关系数进行分类的缺陷 | 第45-46页 |
| ·改进的分类算法 | 第46-51页 |
| ·属性选取 | 第46-48页 |
| ·多元时序信号的粗糙集分类 | 第48-51页 |
| ·改进算法复杂度分析 | 第51页 |
| 本章小结 | 第51-53页 |
| 第五章 实验分析 | 第53-57页 |
| ·按相关系数分类实验 | 第53-54页 |
| ·按属性分类实验 | 第54-55页 |
| ·试验结果分析 | 第55-56页 |
| ·算法评价 | 第56页 |
| 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62-63页 |
