基于特征空间动态划分的模糊决策树算法研究
| 目录 | 第4-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要研究内容 | 第11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 2 模式识别的主要算法 | 第13-21页 |
| 2.1 模式识别简介 | 第13-14页 |
| 2.2 模式识别的主要方法 | 第14-21页 |
| 2.2.1 贝叶斯分类方法 | 第14-16页 |
| 2.2.2 支持向量机 | 第16-17页 |
| 2.2.3 K近邻方法 | 第17-19页 |
| 2.2.4 人工神经网络 | 第19-21页 |
| 3 决策树算法及其主要技术步骤 | 第21-33页 |
| 3.1 决策树算法简介 | 第21-22页 |
| 3.2 决策树主要算法研究介绍 | 第22-29页 |
| 3.2.1 ID3算法 | 第22-23页 |
| 3.2.2 C4.5决策树算法 | 第23-24页 |
| 3.2.3 CART决策树算法 | 第24-26页 |
| 3.2.4 SLIQ决策树算法 | 第26页 |
| 3.2.5 FS-DT决策树算法 | 第26-28页 |
| 3.2.6 FDTs决策树算法 | 第28-29页 |
| 3.3 决策树算法关键技术步骤 | 第29-33页 |
| 3.3.1 连续属性的离散化(或模糊化) | 第30页 |
| 3.3.2 分裂属性的选择方法 | 第30-31页 |
| 3.3.3 确定类标签方法 | 第31页 |
| 3.3.4 剪枝方法 | 第31-33页 |
| 4 基于特征空间动态划分的模糊决策树算法 | 第33-42页 |
| 4.1 引言 | 第33-34页 |
| 4.2 单一属性上的FCM聚类 | 第34-35页 |
| 4.3 基于特征空间动态划分的模糊决策树构建 | 第35-39页 |
| 4.3.1 属性模糊化 | 第35-38页 |
| 4.3.2 选择分裂属性标准 | 第38-39页 |
| 4.3.3 停止条件 | 第39页 |
| 4.3.4 剪枝过程 | 第39页 |
| 4.4 本章小结 | 第39-42页 |
| 5 实验学习 | 第42-47页 |
| 5.1 实验建立 | 第42-43页 |
| 5.2 准确率比较 | 第43-45页 |
| 5.3 树规模比较分析 | 第45-46页 |
| 5.4 本章小结 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 课题资助情况 | 第51-52页 |
| 致谢 | 第52-53页 |
