基于决策树算法的改进与应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-16页 |
| ·数据挖掘的研究背景 | 第7-8页 |
| ·数据挖掘及决策树的最新动态和发展趋势 | 第8-10页 |
| ·数据挖掘的最新动态和发展趋势 | 第8-9页 |
| ·决策树的最新动态和发展趋势 | 第9-10页 |
| ·XML在数据挖掘中应用 | 第10-14页 |
| ·XML的产生与发展 | 第10-11页 |
| ·XML的特点 | 第11-12页 |
| ·XML在数据挖掘中应用 | 第12-14页 |
| ·论文的主要工作和创新 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| 第二章 数据挖掘 | 第16-24页 |
| ·数据挖掘概述 | 第16页 |
| ·数据挖掘的体系结构 | 第16-18页 |
| ·数据挖掘步骤 | 第18-19页 |
| ·数据挖掘算法 | 第19-20页 |
| ·分类算法 | 第19页 |
| ·关联规则 | 第19-20页 |
| ·聚类算法 | 第20页 |
| ·数据可视化 | 第20页 |
| ·时间序列 | 第20页 |
| ·数据挖掘的应用 | 第20-22页 |
| ·数据挖掘面临的挑战 | 第22-24页 |
| 第三章 数据分类中的决策树算法 | 第24-37页 |
| ·数据分类及标准 | 第24页 |
| ·决策树分类算法概述 | 第24-27页 |
| ·决策树描述 | 第24-25页 |
| ·决策树学习的工作过程 | 第25-26页 |
| ·决策树学习的生成过程 | 第26页 |
| ·决策树的评价指标 | 第26-27页 |
| ·几种常用的决策树分类算法 | 第27-36页 |
| ·CLS算法 | 第27-28页 |
| ·ID3算法 | 第28-30页 |
| ·C4.5算法 | 第30-31页 |
| ·CART算法 | 第31-33页 |
| ·SLIQ算法 | 第33-34页 |
| ·SPRINT算法 | 第34-35页 |
| ·PUBLIC算法 | 第35-36页 |
| ·决策树算法小结 | 第36-37页 |
| 第四章 决策树ID3算法详述 | 第37-47页 |
| ·信息论简介 | 第37-39页 |
| ·ID3算法 | 第39-46页 |
| ·ID3算法原理 | 第39-40页 |
| ·ID3算法描述 | 第40-41页 |
| ·ID3算法应用实例 | 第41-45页 |
| ·ID3算法优缺点 | 第45-46页 |
| ·ID3算法总结 | 第46-47页 |
| 第五章 决策树ID3算法的改进与应用 | 第47-65页 |
| ·ID3算法存在问题及改进思路 | 第47-48页 |
| ·存在问题 | 第47页 |
| ·改进思路 | 第47-48页 |
| ·ID3算法的改进算法 | 第48-50页 |
| ·使用增益比例的概念 | 第48页 |
| ·合并具有连续值的属性 | 第48-49页 |
| ·处理缺省属性值的样本 | 第49页 |
| ·剪枝策略 | 第49-50页 |
| ·生成规则 | 第50页 |
| ·采用XML存储数据 | 第50-53页 |
| ·XML文档和数据库之间的转换 | 第50-52页 |
| ·用XML存储关系数据库数据 | 第52-53页 |
| ·ID3改进算法的设计与实现 | 第53-54页 |
| ·基于ID3改进算法的数据挖掘的应用 | 第54-60页 |
| ·应用实例 | 第54页 |
| ·确定业务对象 | 第54-55页 |
| ·数据预处理 | 第55-56页 |
| ·采用ID3改进算法进行数据挖掘 | 第56-59页 |
| ·生成决策规则 | 第59-60页 |
| ·实验结果与比较 | 第60-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·研究工作总结 | 第65页 |
| ·今后研究方向 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 在读期间发表论文 | 第70-71页 |
| 致谢 | 第71页 |
