文摘
英文文摘
第1章 绪论
1.1 研究的背景及意义
1.2 国内外研究现状
1.3 数据挖掘的任务及常用的技术
1.3.1 数据挖掘的任务
1.3.2 数据挖掘的常用技术
1.3.3 数据挖掘技术实施的步骤
1.4 本文的工作
1.5 本文的组织
第2章 粗糙集和粒度计算理论
2.1 粗糙集理论
2.1.1 基本概念
2.1.2 知识的分类
2.1.3 算例
2.2 粒度计算理论
2.2.1 粒度计算的定义
2.2.2 粒度计算的基本概念
2.2.3 粒度计算的基本成分
2.2.4 粒度计算的基本问题
2.3 本章小结
第3章 遗传算法
3.1 遗传算法的发展和现状
3.2 遗传算法的基本概念
3.3 遗传算法的基本操作
3.3.1 选择操作
3.3.2 交叉操作
3.3.3 变异操作
3.4 适应度函数
3.5 基本遗传算法的实现
3.5.1 遗传算法的基本框架
3.5.2 遗传算法的算法描述
3.6 本章小结
第4章 基于改进的自适应遗传属性约简算法
4.1 属性约简的一般方法
4.1.1 基于分辨矩阵的属性约简算法
4.1.2 基于信息熵的属性约简算法
4.1.3 基于属性依赖度的属性约简算法
4.1.4 基于遗传算法的属性约简算法
4.1.5 属性约简算法的比较
4.2 MGAAR算法的设计
4.2.1 属性支持度的提出
4.2.2 编码方法
4.2.3 适应度函数的设计
4.2.4 选择算子的选取
4.2.5 交叉算子的选取
4.2.6 变异算子的选取
4.2.7 交叉概率和变异概率的自适应确定
4.2.8 MGAAR算法描述
4.2.9 实验分析
4.3 本章小结
第5章 基于粒度计算理论的决策树学习新方法
5.1 决策树算法
5.1.1 决策树算法的基本思想
5.1.2 决策树算法的基本流程
5.1.3 决策树算法的性能评价
5.2 经典决策树算法分析与比较
5.2.1 ID3算法
5.2.2 C4.5算法
5.2.3 其他决策树算法
5.2.4 决策树算法比较
5.3 基于属性支持度的决策树学习算法(DTBAS算法)
5.3.1 属性选择原理
5.3.2 DTBAS算法描述
5.3.3 实验分析
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读硕士期间发表的论文及所取得的研究成果