声明
摘要
第1章 绪论
1.1 研究背景和意义
1.1.1 课题来源
1.1.2 研究的目的意义
1.2 国内外研究现状及水平
1.3 本文主要结构
第2章 信息系统知识发现的基础理论
2.1 粗糙集理论的相关概念
2.1.1 信息系统
2.1.2 决策表
2.1.3 信息系统上的关系和分类
2.1.4 粗糙集及其近似
2.1.5 信息系统的知识约简
2.1.6 决策表的规则提取
2.2 信息系统的一般处理方法
2.2.1 区间值信息系统的一般处理方法
2.2.2 区间值信息系统上的偏序关系
2.2.3 不完备信息系统的一般处理方法
第3章 IIIS上的知识发现方法
3.1 基于相似关系的分类方法
3.1.1 不完备区间值上的相似关系
3.1.2 基于最大相容块的方法
3.2 基于聚类分析的分类方法
3.2.1 数据预处理
3.2.2 层次聚类法分类
3.3 属性约简和规则提取
3.3.1 广义决策和辨识函数
3.3.2 相似关系下的辨识函数
3.3.3 聚类分析下的辨识函数
第4章 IIIS上知识的不确定性度量分析
4.1 经典粗糙集的不确定性度量
4.2 相似关系下的不确定性度量的建立
4.2.1 基于相似类的不确定性度量
4.2.2 基于最大相容块的不确定性度量
第5章 算例分析
5.1 分类
5.1.1 相似关系法
5.1.2 聚类分类方法
5.2 相似关系下的属性约简和规则提取
5.2.1 建立可辨识矩阵
5.2.2 计算辨识函数
5.3 聚类分类下的属性约简和规则提取
5.3.1 建立可辨识矩阵
5.3.2 计算辨识函数
第6章 结论与展望
参考文献
攻读硕士期间发表的学术论文及科研工作
致谢
青岛理工大学;