| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-12页 |
| ·课题研究背景 | 第9-10页 |
| ·数据挖掘的研究历史和现状 | 第10-12页 |
| ·数据挖掘逐渐演变的过程 | 第10页 |
| ·国际现状 | 第10-11页 |
| ·国内现状 | 第11-12页 |
| 2 数据挖掘理论 | 第12-25页 |
| ·数据挖掘定义及简介 | 第12-13页 |
| ·技术上的定义及含义 | 第12页 |
| ·商业角度的定义 | 第12-13页 |
| ·数据挖掘常用技术 | 第13-18页 |
| ·决策树 | 第13-14页 |
| ·人工神经网络 | 第14-17页 |
| ·遗传算法 | 第17页 |
| ·近邻算法 | 第17页 |
| ·规则推导 | 第17-18页 |
| ·数据挖掘任务和步骤 | 第18-21页 |
| ·数据挖掘的主要任务 | 第18-19页 |
| ·数据挖掘流程 | 第19-21页 |
| ·数据挖掘典型方法及工具 | 第21页 |
| ·数据挖掘的功能 | 第21-22页 |
| ·数据挖掘技术应用及热点 | 第22-23页 |
| ·实施数据挖掘项目考虑的问题 | 第23-25页 |
| 3 决策树知识 | 第25-34页 |
| ·机器学习 | 第25-26页 |
| ·分类知识 | 第26页 |
| ·决策树描述 | 第26-27页 |
| ·决策树算法构成 | 第27-28页 |
| ·决策树类型与生成过程 | 第28页 |
| ·决策树的类型 | 第28页 |
| ·决策树生成过程 | 第28页 |
| ·决策树分析法及其应用 | 第28-30页 |
| ·决策树分析法 | 第28-29页 |
| ·决策树的应用状况 | 第29-30页 |
| ·决策树算法的系统实现与修剪优化 | 第30-34页 |
| 4 ID3算法分析与改进的理论研究 | 第34-51页 |
| ·传统ID3算法 | 第34-38页 |
| ·ID3算法基本思想 | 第34-35页 |
| ·ID3算法描述 | 第35-36页 |
| ·ID3算法评估分析 | 第36-37页 |
| ·ID3算法应用实例 | 第37-38页 |
| ·C4.5算法简介 | 第38-39页 |
| ·其他决策树算法 | 第39-44页 |
| ·CART算法 | 第39-41页 |
| ·SLIQ算法 | 第41-42页 |
| ·SPRINT算法 | 第42-43页 |
| ·PUBLIC算法 | 第43-44页 |
| ·改进的ID3算法的分析及应用 | 第44-51页 |
| ·ID3算法不足 | 第44页 |
| ·信息增益的属性递归算法 | 第44-45页 |
| ·属性递归改进算法在高考招生测评中的应用 | 第45-48页 |
| ·ID3算法的知识优选策略 | 第48-49页 |
| ·知识优选策略算法举例 | 第49-51页 |
| 5 决策树ID3算法与优化算法的比较 | 第51-63页 |
| ·属性递归优化方法与ID3算法的知识优选策略的结合 | 第51-52页 |
| ·属性递归与知识优选策略结合的应用 | 第52-63页 |
| ·传统ID3算法应用举例 | 第52-56页 |
| ·改进算法的同实例应用 | 第56-61页 |
| ·实验环境和结果比较分析 | 第61-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68-69页 |
| 独创性声明 | 第69页 |
| 学位论文版权使用授权书 | 第69页 |