粗糙集理论及其数据挖掘应用

第1章 导言
1.1 问题的提出
1.2 粗糙集理论及其研究现状
1.3 球团生产系统数据挖掘
1.3.1 球团生产系统概述
1.3.2 链篦机——回转窑一环冷机工艺流程
1.3.3 粗糙集理论在质量数据挖掘中的应用现状
1.4 粗糙集理论在图像数据挖掘中的应用现状
1.5 主要研究思路及内容安排
1.5.1 主要研究思路
1.5.2 内容安排
第2章 粗糙集约简及改进算法
2.1 引言
2.2 粗糙集属性约简
2.2.1 粗糙近似
2.2.2 约简与核
2.2.3 基于依赖度的相对属性约简
2.3 粗糙集理论不确定性分析
2.3.1 粗糙集理论对不确定性的处理能力
2.3.2 粗糙集不确定性量度
2.4 粗糙集最小属性集选择
2.4.1 粗糙集最小属性集
2.4.2 属性集选择
2.4.3 属性集选择的贪心算法
2.4.4算例分析
2.5 基于遗传算法的属性相对约简
2.6 基于离散粒子群算法的属性约简
2.6.1 粒子群优化算法
2.6.2 离散粒子群算法的属性约简算法实施
2.7 算例分析
2.8 小结
第3章 粒子群算法优化变精度粗糙集规则获取
3.1 引言
3.2 可变精度粗糙集
3.2.1 变精度粗糙集中的近似集合
3.2.2 变精度粗糙集中近似集合的性质
3.3 决策规则测度分析
3.3.1 决策规则测度基本概念
3.3.2 阈值口对变精度粗糙规则集的影响
3.4 离散粒子群(DPSO)的变精度粗糙集规则获取
3.4.1 离散粒子群(DPSO)的变精度粗糙集规则获取
3.4.2 实例分析
3.5 对比分析
3.6 小结
第4章 层次树模型在粗糙集约简中的应用
4.1 引言
4.2 基于熵的粗糙集不确定性度量分析
4.2.1 信息熵
4.2.2 粗糙熵
4.2.3 知识粒度
4.2.4 引入粗糙度的粗糙熵
4.2.5 改进的粗糙熵
4.3 基于粗糙熵的属性约简
4.4 基于粗糙集的分层次挖掘算法
4.5 基于粗糙集的层次树模型
4.5.1 构建层次树模型
4.5.2 基于粗糙熵的层次树约简算法
4.5.3 实例分析
4.6 小结
第5章 加权TOPSIS的粗糙集偏序关系全序化
5.1 引言
5.2 偏序关系全序化
5.2.1 偏序关系
5.2.2 基于优势度的偏序关系全序化
5.2.3 辨识矩阵方法求取偏序集的局限性
5.3 基于粗糙集和加权TOPSIS的偏序关系全序化
5.3.1 序数评估分值模型的权重确定简化算法
5.3.2 加权IOPSIS多指标评价原理
5.3.3 应用实例
5.4 小结
第6章改进的粗糙集在球团质量数据挖掘中的应用
6.1 引言
6.2 链篦机——回转窑工艺与球团成球质量分析
6.2.1 链篦机——回转窑工艺介绍
6.2.2 球团成球质量参数分析
6.3 基于粗糙集理论的球团成球质量规则提取
6.3.1 条件属性集合与决策属性集合的确定
6.3.2 粗糙集决策表的建立
6.3.3 噪声数据的处理
6.3.4 工艺参数时序分析
6.3.5 球团质量属性约简
6.3.6 规则查询和操作指导
6.4 基于众数的粗糙集的球团质量和参数相关性分析
6.4.1 基于众数的粗糙集模型产生的必要性
6.4.2 基于众数的粗糙集模型构造
6.4.3 基于众数粗糙集球团质量和参数相关性分析实例
6.5 离散粒子群变精度粗糙集在成球质量判断中的应用
6.5.1 基于粒子群的粗糙集约简方法在成球质量判断中的应用
6.5.2 基于粒子群的变精度粗糙集在成球质量判断中的应用
6.6 测试结果分析
6.7 小结
第7章 粗糙集理论在图像数据挖掘中的应用
7.1 引言
7.2 BP算法的基本原理和局限性
7.2.1 BP算法的基本原理
7.2.2 BP算法的局限性
7.3 基于PSO的BP神经网络优化
7.3.1 用PSO算法优化BP网络学习算法
7.3.2 实例分析
7.4 粗糙集——粒子群神经网络的图像分割
7.4.1 粗糙集——粒子群神经网络模型
7.4.2 基于粗糙集——粒子群神经网络的图像分割
7.5 小结
第8章 粗糙集在预混火焰实验数据挖掘中的应用
8.1 引言
8.2 0H-PLIF测量装置
8.3 预混火焰实验
8.3.1 预混火焰实验过程
8.3.2 实验结果
8.4 基于粗糙集理论的预混火焰实验数据挖掘
8.5 小结
参考文献