基于粗糙集的分类知识发现及在信息推送中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·论文选题的目的和意义 | 第9-11页 |
| ·本文研究内容与各章节安排 | 第11-13页 |
| 第二章 相关理论及技术 | 第13-28页 |
| ·全球信息网格 | 第13-16页 |
| ·网格概念和特点 | 第13-15页 |
| ·全球信息网格概念 | 第15页 |
| ·信息分发管理 | 第15-16页 |
| ·分类知识发现 | 第16-22页 |
| ·知识发现的概念 | 第16-17页 |
| ·知识发现的功能 | 第17-19页 |
| ·分类知识发现的概念 | 第19-20页 |
| ·分类知识发现的过程 | 第20-22页 |
| ·粗糙集理论 | 第22-27页 |
| ·粗糙集的核心思想 | 第22-23页 |
| ·粗糙集的基本概念 | 第23-24页 |
| ·粗糙集的知识表达 | 第24-26页 |
| ·粗糙集知识表达的数字特征 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于粗糙集的分类知识发现 | 第28-47页 |
| ·粗糙集分类知识发现模型 | 第28-30页 |
| ·决策表的属性约简 | 第30-38页 |
| ·属性约简的相关概念 | 第30-33页 |
| ·基于信息熵的属性约简 | 第33-38页 |
| ·决策表的分类规则约简 | 第38-41页 |
| ·分类规则相关概念 | 第38页 |
| ·核值的定义 | 第38-39页 |
| ·分类规则约简算法 | 第39-40页 |
| ·算例 | 第40-41页 |
| ·新对象的分类预测 | 第41-46页 |
| ·分类规则的度量参数 | 第41-43页 |
| ·分类预测模型 | 第43-44页 |
| ·基于相似度的分类预测 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 信息智能推送设计 | 第47-61页 |
| ·信息分发系统整体描述 | 第47-49页 |
| ·信息分发系统网络结构简述 | 第47-48页 |
| ·信息分发系统功能介绍 | 第48-49页 |
| ·开发与应用环境 | 第49页 |
| ·信息智能推送功能分析 | 第49-50页 |
| ·信息推送设计 | 第50-58页 |
| ·信息推送UML建模分析与设计 | 第50-55页 |
| ·推送流程设计 | 第55页 |
| ·信息推送Web设计 | 第55-58页 |
| ·用户兴趣发现设计 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 基于粗糙集的用户兴趣发现 | 第61-72页 |
| ·用户信息需求聚类分析 | 第62-65页 |
| ·数据准备 | 第62-63页 |
| ·聚类分析流程 | 第63-65页 |
| ·用户信息需求分类规则获取 | 第65-70页 |
| ·新用户信息需求对象分类预测 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 结束语 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻硕期间获奖与发表论文 | 第78页 |
