數據挖掘與粗糙集方法（簡體書）

數據挖掘是人工智能、機器學習、數據庫技術等多學科相結合的產物。本書系統介紹了數
據挖掘技術的基本原理、主要方法、挖掘模式、發展及應用，重點對基於粗糙集方法的數據挖
掘過程進行了系統的闡述，全面地分析了靜態與增量式的相容性與不相容性決策系統的數據
挖掘主要算法、基於有序與無序決策系統的數據挖掘主要算法、粗糙集合的擴展模型。本書可
作為系統工程、控制工程及計算機類專業研究生的學習工具，也可作為相關專業技術人員的
參考書。

第1章 導論
1.1　人工智能與知識發現
1.1.1　人工智能
1.1.2　知識發現
1.2　數據挖掘的概念
1.3　數據倉庫與0LAP
1.3.1　數據倉庫綜述
1.3.2 聯機分析處理（0LAP）
1.3.3 數據倉庫與0LAP的關係
1.4　數據挖掘研究綜述
1.4.1　背景簡介
1.4.2　數據挖掘的研究現狀
1.4.3　數據挖掘的基本技術
1.4.4　數據挖掘的方法和任務
1.4.5　數據挖掘工具的評價標準
1.4.6　數據挖掘常用技術
1.4.7 數據挖掘技術實施的步驟
l.5　數據挖掘算法的組件
1.6　數據挖掘的應用與發展前景
第2章　數據挖掘的過程及模式
2.1　數據挖掘的過程
2.2　數據挖掘的模式
2.2.1　關聯規則模式
2.2.2　分類模式
2.2.3　聚類模式
2.2.4　序列模式
第3章　粗糙集數據分析數學基礎及智能決策系統框架
3.1 粗糙集數據分析（RsDA）工具概述
3.2 RsDA工具的數學機理
3.2.1　知識的形式化定義
3.2.2　等價關係（不可分辨關係）
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
3.4　決策系統
3.5　基於數據挖掘技術的智能決策系統總體框架
第4章　數據預處理
4.1 離散化問題的正規化描述
4.2　現有連續屬性離散化方法綜述
4.3　基於數據分布特徵的離散化方法
4.3.1　基本原理
4.3.2　算法思路及實現
4.3.3　算例
4.4　基於數據分區的離散化方法
4.4.1　整體離散化處理
4.4.2　基於數據分區的整體離散化算法
4.5　不完備信息表的數據預處理方法
4.5.1　相關定義及定理
4.5.2　算術描述
第5章 相容性決策系統的數據約減方法
5.1　基於代數與邏輯判斷的數據約減
5.1.1　基於數據分析的屬性約減方法
5.1.2　基於邏輯判斷的屬性值約減方法
5.2　基於面向屬性泛化及信息熵的數據約減
5.2.1 引言
5.2.2　關係DB學習原理
5.2.3　規則提取方法
5.2.4　算例
第6章 不相容性決策系統的數據挖掘模型及規則提取
6.1 基於決策概念包含的數據挖掘
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據挖掘模型理論基礎
6.1.3　算法思想
6.1.4　算例
6.2　基於粗糙重復組的數據挖掘
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 增量式決策系統的數據挖掘研究
7.1　基於相容性決策系統的數據約減
7.1.1　基於分辨矩陣的數據挖掘
7.1.2 基於改進分辨矩陣的增量式數據挖掘模型
7.2　基於不相容性決策系統的數據約減
7.2.1 廣義歸納表GDT
……
第8章　有序屬性決策系統的粗糙集數據約減
第9章　粗糙集合的擴展模型
第10章　基於Wed與多的數據挖掘
第11章　數據挖掘的發展及應用
參考文獻