| 第一章 绪论 | 第1-43页 |
| 第一节 特征抽取、知识发现和数据采掘 | 第31-37页 |
| 第二节 粗糙集理论 | 第37-39页 |
| 第三节 国内外知识发现的研究现状 | 第39页 |
| 第四节 基于RS的特征抽取算法的研究意义和应用价值 | 第39-41页 |
| 第五节 本文的主要成果与内容安排 | 第41-43页 |
| 第二章 知识表示 | 第43-49页 |
| 第一节 知识的基本概念 | 第43-46页 |
| 第二节 知识表达系统 | 第46-49页 |
| 第三章 决策表的简化 | 第49-63页 |
| 第一节 属性的重要性 | 第49-51页 |
| 第二节 条件属性的简化 | 第51-60页 |
| 第三节 决策表的简化 | 第60-62页 |
| 第四节 小结 | 第62-63页 |
| 第四章 特征抽取算法 | 第63-77页 |
| 第一节 决策规则 | 第63-67页 |
| 第二节 决策算法的最小化 | 第67-75页 |
| 第三节 基于RS的特征抽取算法的原理及实现 | 第75-76页 |
| 第四节 小结 | 第76-77页 |
| 第五章 数值实验 | 第77-82页 |
| 第一节 利用粗集方法进行决策分析 | 第77-78页 |
| 第二节 决策分析举例 | 第78-82页 |
| 第六章 知识库知识发现的进一步探讨 | 第82-87页 |
| 第一节 粗集中信息熵的表达 | 第82-83页 |
| 第二节 稠密集与稀疏集 | 第83-84页 |
| 第三节 新增例子对决策树影响的分析 | 第84-86页 |
| 第四节 小结 | 第86-87页 |
| 第七章 总结与展望 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 攻读硕士学位期间已公开发表的论文 | 第92-93页 |
| 致谢 | 第93页 |