數(shù)據(jù)預處理

摘要
第一章  緒論
  第一節(jié)  選題的研究背景和研究意義
  第二節(jié)  相關(guān)背景知識
    一、數(shù)據(jù)挖掘的發(fā)展概況
    二、數(shù)據(jù)歸約的主要內(nèi)容
    三、數(shù)據(jù)歸約的重要作用
  第三節(jié)  國內(nèi)外研究現(xiàn)狀
    一、屬性離散化方法研究的現(xiàn)狀
    二、屬性排序和屬性子集選擇方法研究的現(xiàn)狀
  第四節(jié)  本書的研究內(nèi)容及創(chuàng)新點
    一、本書的研究內(nèi)容和結(jié)構(gòu)
    二、本書的創(chuàng)新點
第二章  缺失值的填補與異常值的探測
  第一節(jié)  缺失值的填補
    一、單一填補法和多重填補法
    二、基于距離的填補方法
    三、貝葉斯填補方法
  第二節(jié)  異常值的探測
    一、異常值及形成?因
    二、異常值的探測方法
    三、異常值探測的步驟及應用
  第三節(jié)  移動通訊用戶消費行為的分析
    一、單個屬性異常值探測的應用及分析
    二、多個屬性的異常值探測方法的應用及分析
第三章  數(shù)據(jù)挖掘中元組的歸約
  第一節(jié)  面向?qū)傩詺w納
    一、面向?qū)傩詺w納
    二、面向?qū)傩詺w納的步驟
    三、面向?qū)傩詺w納的算法
  第二節(jié)  連續(xù)屬性離散化方法及分類
    一、離散化方法的分類
    二、典型離散化的過程及結(jié)果評價
    三、相關(guān)的離散化方法
  第三節(jié)  基于可辨識矩陣的連續(xù)屬性離散化方法
    一、基于可辨識矩陣離散化方法的基本思路
    二、基于可辨識矩陣離散化方法的框架
    三、基于可辨識矩陣離散化方法的統(tǒng)計模擬
  第四節(jié)  基于似然比假設(shè)檢驗的連續(xù)屬性離散化方法
    一、基于似然比假設(shè)檢驗的離散化方法
    二、基于似然比假設(shè)檢驗離散化方法的步驟
    三、基于似然比假設(shè)檢驗離散化方法的驗證
    四、兩種離散化方法結(jié)果的比較
第四章  屬性重要性的排序
  第一節(jié)  有監(jiān)督屬性重要性的排序
    一、粗糙集理論中屬性重要性的排序方法
    二、信息論和決策樹中屬性重要性的排序方
    三、神經(jīng)網(wǎng)絡(luò)中屬性重要?的排序方法
    四、三種方法的比較
  第二節(jié)  單向有序列聯(lián)資料的屬性重要性的排序
    一、單向有序列聯(lián)表
    二、以秩效應為標準的方法
    三、改進秩和法
    四、改進秩和法對一份調(diào)查問卷的分析
    五、以秩效應為標準的方法和改進秩和法的比較
  第三節(jié)  基于因子分析的無監(jiān)督屬性重要性的排序
    一、基于因子分析的屬性重要性排序方法
    二、基于因子分析的屬性重要性排序方法的步驟
    三、基于因子分析排序方法的框架
    四、基于因子分析屬性重要性排序方法的驗證
    五、值得注意的問題和局限性
第五章  屬性的提取與屬性子集的選擇
  第一節(jié)  屬性的提取
    一、小波變換
    二、投影尋蹤
    三、多維標度
    四、多元統(tǒng)計分析方法
    五、幾種屬性提取方法的比較
  第二節(jié)  屬性子集的選擇
    一、屬性子集選擇方法的兩個組成部分
    二、屬性子集選擇方法的兩種模式
    三、基于各學科知識的屬性子集選擇方法
    四、關(guān)于模式識別中基于距離的評價函數(shù)的思考
  第三節(jié)  逐步向前無監(jiān)督屬性子集的選擇方法
    一、逐步選擇方法的不足
    二、逐步向前無監(jiān)督屬性子集選擇方法的思路
    三、逐步向前無監(jiān)督屬性子集選擇方法的基本框架
    四、統(tǒng)計模擬及方法驗證
    五、逐步向前無監(jiān)督屬性子集選擇方法的合理性和局限性
第六章  全書的總結(jié)
  第一節(jié)  全書的主要工作
  第二節(jié)  尚需研究的問題
參考文獻
后記
攻讀博士學位期間發(fā)表的論文