数据挖掘中决策树分类算法研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·本文研究背景 | 第9-10页 |
| ·数据挖掘研究现状 | 第10-12页 |
| ·决策树算法的应用 | 第12-13页 |
| ·本文组织结构 | 第13-15页 |
| 第二章 决策树分类算法研究 | 第15-35页 |
| ·常见分类算法 | 第15-20页 |
| ·决策树 | 第15-16页 |
| ·贝叶斯方法 | 第16-17页 |
| ·神经网络 | 第17-18页 |
| ·支持矢量机 | 第18-19页 |
| ·其它方法 | 第19-20页 |
| ·决策树算法 | 第20-21页 |
| ·决策树构造与简化 | 第21-22页 |
| ·剪枝算法 | 第22-26页 |
| ·前期剪枝 | 第24页 |
| ·后期剪枝 | 第24-25页 |
| ·剪枝优化的原则 | 第25-26页 |
| ·常见决策树算法 | 第26-33页 |
| ·CLS学习算法 | 第27-28页 |
| ·ID3算法 | 第28-30页 |
| ·C4.5算法 | 第30-32页 |
| ·其它方法 | 第32-33页 |
| ·对几种算法的评价 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 决策树改进研究 | 第35-50页 |
| ·裁减属性降维 | 第35-40页 |
| ·属性重要性排序 | 第35-36页 |
| ·RBF神经网络 | 第36-40页 |
| ·实验验证 | 第40页 |
| ·连续属性离散化 | 第40-43页 |
| ·属性选择标准研究 | 第43-49页 |
| ·改进的理论基础 | 第43-44页 |
| ·克服选择属性时的偏向 | 第44-45页 |
| ·属性选择标准的改进 | 第45-47页 |
| ·实验验证 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 决策树优化整合 | 第50-57页 |
| ·算法改进 | 第50-52页 |
| ·应用验证 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 新算法在图像数据挖掘中的设计 | 第57-61页 |
| ·设计流程 | 第57-58页 |
| ·数据流转 | 第58-59页 |
| ·执行界面 | 第59-60页 |
| ·开发运行环境 | 第60页 |
| ·本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·全文总结 | 第61-62页 |
| ·后续工作和研究前景 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 硕士期间发表论文 | 第68-69页 |
| 致谢 | 第69页 |
