数据挖掘与粗糙集方法

第1章 导论 1.1　人工智能与知识发现 1.1.1　人工智能 1.1.2　知识发现 1.2　数据挖掘的概念 1.3　数据仓库与0LAP 1.3.1　数据仓库综述 1.3.2 联机分析处理（0LAP） 1.3.3 数据仓库与0LAP的关系 1.4　数据挖掘研究综述 1.4.1　背景简介 1.4.2　数据挖掘的研究现状 1.4.3　数据挖掘的基本技术 1.4.4　数据挖掘的方法和任务 1.4.5　数据挖掘工具的评价标准

第1章 导论 1.1　人工智能与知识发现 1.1.1　人工智能 1.1.2　知识发现 1.2　数据挖掘的概念 1.3　数据仓库与0LAP 1.3.1　数据仓库综述 1.3.2 联机分析处理（0LAP） 1.3.3 数据仓库与0LAP的关系 1.4　数据挖掘研究综述 1.4.1　背景简介 1.4.2　数据挖掘的研究现状 1.4.3　数据挖掘的基本技术 1.4.4　数据挖掘的方法和任务 1.4.5　数据挖掘工具的评价标准 1.4.6　数据挖掘常用技术 1.4.7 数据挖掘技术实施的步骤 l.5　数据挖掘算法的组件 1.6　数据挖掘的应用与发展前景第2章　数据挖掘的过程及模式 2.1　数据挖掘的过程 2.2　数据挖掘的模式 2.2.1　关联规则模式 2.2.2　分类模式 2.2.3　聚类模式 2.2.4　序列模式第3章　粗糙集数据分析数学基础及智能决策系统框架 3.1 粗糙集数据分析（RsDA）工具概述 3.2 RsDA工具的数学机理 3.2.1　知识的形式化定义 3.2.2　等价关系（不可分辨关系） 3.2.3　知识的粒度 3.2.4　粗糙集合 3.2.5　知识的简化和核 3.2.6　知识的相对简化和相对核 3.2.7　范畴的简化、相对简化和核 3.2.8　知识的依赖性 3.3　知识表达系统 3.4　决策系统 3.5　基于数据挖掘技术的智能决策系统总体框架第4章　数据预处理 4.1 离散化问题的正规化描述 4.2　现有连续属性离散化方法综述 4.3　基于数据分布特征的离散化方法 4.3.1　基本原理 4.3.2　算法思路及实现 4.3.3　算例 4.4　基于数据分区的离散化方法 　4.4.1　整体离散化处理　 4.4.2　基于数据分区的整体离散化算法 4.5　不完备信息表的数据预处理方法 　4.5.1　相关定义及定理　 4.5.2　算术描述第5章 相容性决策系统的数据约减方法 5.1　基于代数与逻辑判断的数据约减 5.1.1　基于数据分析的属性约减方法 5.1.2　基于逻辑判断的属性值约减方法 5.2　基于面向属性泛化及信息熵的数据约减 5.2.1 引言 5.2.2　关系DB学习原理 5.2.3　规则提取方法 5.2.4　算例第6章 不相容性决策系统的数据挖掘模型及规则提取 6.1 基于决策概念包含的数据挖掘 6.1.1　粗集扩展模型基本理论 6.1.2 带有不相容决策的数据挖掘模型理论基础 6.1.3　算法思想 6.1.4　算例 6.2　基于粗糙重复组的数据挖掘 6.2.1　基本理论 6.2.2　粗糙重复组粗糙集的不相容决策 6.2.3　算例第7章 增量式决策系统的数据挖掘研究 7.1　基于相容性决策系统的数据约减 7.1.1　基于分辨矩阵的数据挖掘 7.1.2 基于改进分辨矩阵的增量式数据挖掘模型 7.2　基于不相容性决策系统的数据约减 7.2.1 广义归纳表GDT……第8章　有序属性决策系统的粗糙集数据约减第9章　粗糙集合的扩展模型第10章　基于Wed与多的数据挖掘第11章　数据挖掘的发展及应用参考文献

数据挖掘是人工智能、机器学习、数据库技术等多学科相结合的产物。本书系统介绍了数据挖掘技术的基本原理、主要方法、挖掘模式、发展及应用，重点对基于粗糙集方法的数据挖掘过程进行了系统的阐述，全面地分析了静态与增量式的相容性与不相容性决策系统的数据挖掘主要算法、基于有序与无序决策系统的数据挖掘主要算法、粗糙集合的扩展模型。本书可作为系统工程、控制工程及计算机类专业研究生的学习工具，也可作为相关专业技术人员的参考书。