數(shù)據挖掘與粗糙集方法

第1章 導論
1.1　人工智能與知識發(fā)現(xiàn)
1.1.1　人工智能
1.1.2　知識發(fā)現(xiàn)
1.2　數(shù)據挖掘的概念
1.3　數(shù)據倉庫與0LAP
1.3.1　數(shù)據倉庫綜述
1.3.2 聯(lián)機分析處理（0LAP）
1.3.3 數(shù)據倉庫與0LAP的關系
1.4　數(shù)據挖掘研究綜述
1.4.1　背景簡介
1.4.2　數(shù)據挖掘的研究現(xiàn)狀
1.4.3　數(shù)據挖掘的基本技術
1.4.4　數(shù)據挖掘的方法和任務
1.4.5　數(shù)據挖掘工具的評價標準
1.4.6　數(shù)據挖掘常用技術
1.4.7 數(shù)據挖掘技術實施的步驟
l.5　數(shù)據挖掘算法的組件
1.6　數(shù)據挖掘的應用與發(fā)展前景
第2章　數(shù)據挖掘的過程及模式
2.1　數(shù)據挖掘的過程
2.2　數(shù)據挖掘的模式
2.2.1　關聯(lián)規(guī)則模式
2.2.2　分類模式
2.2.3　聚類模式
2.2.4　序列模式
第3章　粗糙集數(shù)據分析數(shù)學基礎及智能決策系統(tǒng)框架
3.1 粗糙集數(shù)據分析（RsDA）工具概述
3.2 RsDA工具的數(shù)學機理
3.2.1　知識的形式化定義
3.2.2　等價關系（不可分辨關系）
3.2.3　知識的粒度
3.2.4　粗糙集合
3.2.5　知識的簡化和核
3.2.6　知識的相對簡化和相對核
3.2.7　范疇的簡化、相對簡化和核
3.2.8　知識的依賴性
3.3　知識表達系統(tǒng)
3.4　決策系統(tǒng)
3.5　基于數(shù)據挖掘技術的智能決策系統(tǒng)總體框架
第4章　數(shù)據預處理
4.1 離散化問題的正規(guī)化描述
4.2　現(xiàn)有連續(xù)屬性離散化方法綜述
4.3　基于數(shù)據分布特征的離散化方法
4.3.1　基本原理
4.3.2　算法思路及實現(xiàn)
4.3.3　算例
4.4　基于數(shù)據分區(qū)的離散化方法
　4.4.1　整體離散化處理
　 4.4.2　基于數(shù)據分區(qū)的整體離散化算法
4.5　不完備信息表的數(shù)據預處理方法
　4.5.1　相關定義及定理
　 4.5.2　算術描述
第5章 相容性決策系統(tǒng)的數(shù)據約減方法
5.1　基于代數(shù)與邏輯判斷的數(shù)據約減
5.1.1　基于數(shù)據分析的屬性約減方法
5.1.2　基于邏輯判斷的屬性值約減方法
5.2　基于面向屬性泛化及信息熵的數(shù)據約減
5.2.1 引言
5.2.2　關系DB學習原理
5.2.3　規(guī)則提取方法
5.2.4　算例
第6章 不相容性決策系統(tǒng)的數(shù)據挖掘模型及規(guī)則提取
6.1 基于決策概念包含的數(shù)據挖掘
6.1.1　粗集擴展模型基本理論
6.1.2 帶有不相容決策的數(shù)據挖掘模型理論基礎
6.1.3　算法思想
6.1.4　算例
6.2　基于粗糙重復組的數(shù)據挖掘
6.2.1　基本理論
6.2.2　粗糙重復組粗糙集的不相容決策
6.2.3　算例
第7章 增量式決策系統(tǒng)的數(shù)據挖掘研究
7.1　基于相容性決策系統(tǒng)的數(shù)據約減
7.1.1　基于分辨矩陣的數(shù)據挖掘
7.1.2 基于改進分辨矩陣的增量式數(shù)據挖掘模型
7.2　基于不相容性決策系統(tǒng)的數(shù)據約減
7.2.1 廣義歸納表GDT
……
第8章　有序屬性決策系統(tǒng)的粗糙集數(shù)據約減
第9章　粗糙集合的擴展模型
第10章　基于Wed與多的數(shù)據挖掘
第11章　數(shù)據挖掘的發(fā)展及應用
參考文獻