基于信息熵的数据约简算法
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·课题的研究背景与意义 | 第10页 |
| ·粗糙集的研究现状及在数据挖掘中的应用现状 | 第10-12页 |
| ·论文内容及结构介绍 | 第12-14页 |
| 第2章 数据挖掘概述 | 第14-20页 |
| ·数据挖掘与知识发现的概述 | 第14-15页 |
| ·数据挖掘的定义 | 第15-16页 |
| ·数据挖掘的技术定义 | 第15页 |
| ·数据挖掘的商业定义 | 第15-16页 |
| ·数据挖掘的过程 | 第16-17页 |
| ·数据挖掘分类方法 | 第17-19页 |
| ·数据挖掘常用工具 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第3章 粗糙集理论基础 | 第20-24页 |
| ·粗糙集理论基本概念 | 第20-22页 |
| ·信息系统理论基本概念 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第4章 几种常见的约简算法 | 第24-32页 |
| ·几种常见的约简算法 | 第24-28页 |
| ·一般约简算法 | 第24-25页 |
| ·值约简算法 | 第25-26页 |
| ·基于可辨识矩阵的基本属性约简算法 | 第26-27页 |
| ·基于可辨识矩阵的属性频度约简算法 | 第27-28页 |
| ·基于可辨识矩阵的约简算法的改进算法 | 第28-31页 |
| ·对算法4.4的分析 | 第28页 |
| ·基于可辨识矩阵的改进算法 | 第28-30页 |
| ·实例分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第5章 基于信息熵的约简算法 | 第32-43页 |
| ·信息熵基础知识 | 第32-34页 |
| ·基于互信息的相对约简算法 | 第34-35页 |
| ·基于信息熵与决策树的规则提取算法 | 第35-39页 |
| ·决策树 | 第35页 |
| ·基于互信息与决策树的规则提取算法 | 第35-37页 |
| ·实例分析 | 第37-39页 |
| ·基于信息熵和回溯算法的约简算法 | 第39-42页 |
| ·回溯算法的主要思想 | 第39-40页 |
| ·算法具体步骤及程序 | 第40-41页 |
| ·实例分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第6章 基于模糊熵的评估模型的属性约简 | 第43-50页 |
| ·模糊粗糙集的基本概念 | 第43-44页 |
| ·模糊粗糙集的信息熵 | 第44-45页 |
| ·评估决策的基本思想 | 第45-47页 |
| ·基于模糊熵的评估模型的属性约简 | 第47-48页 |
| ·实例分析 | 第48页 |
| ·本章小结 | 第48-50页 |
| 第7章 结论与展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |
