基于数据仓库的分类分析研究

第一章 绪论	第1-15页
·研究背景	第6-12页
·数据仓库	第6-8页
·数据挖掘	第8-12页
·数据挖掘的体系结构	第9-10页
·数据挖掘的应用	第10-11页
·数据挖掘面临的挑战	第11-12页
·基于数据仓库的数据分类的研究进展	第12-14页
·基于决策树的分类模型的国内外研究动态	第12-14页
·基于神经网络的分类模型的国内外研究动态	第14页
·本文的主要研究内容	第14-15页
第二章 CART分类器	第15-25页
·建立决策树	第15-18页
·属性向量的标准问题集	第16-17页
·CART决策树构建的过程	第17-18页
·决策树建树算法描述	第18页
·决策树修剪	第18-20页
·基本定义	第18-19页
·修剪决策树的过程	第19-20页
·确定叶节点的类别	第20页
·决策树验证	第20-22页
·测试样例验证	第20-21页
·交叉验证	第21-22页
·CART建树与修剪的合并	第22-24页
·MDL修剪	第22-23页
·建树与合并算法	第23-24页
·本章小结	第24-25页
第三章 RBF神经网络	第25-31页
·RBF神经网络	第25-26页
·RBF神经网络的学习	第26-29页
·随机算法选取网络中心	第26页
·自组织学习选取网络中心	第26-28页
·最近邻聚类选取网络中心	第28-29页
·基于RBF网络的信用卡信用度预测	第29-30页
·本章小结	第30-31页
第四章 CART分类器的设计与实现	第31-46页
·基于数据仓库的CART分类器的操作流程	第31页
·CART分类器与数据仓库的接口	第31-33页
·CART分类器的设计与实现	第33-41页
·消除分类模型对数据集的依赖性	第33-34页
·决策树分类器的设计	第34-41页
·复杂模型的存取	第41-43页
·决策树的规则抽取	第43-44页
·实验结果及分析	第44页
·本章小结	第44-46页
第五章 数据挖掘分类研究的展望	第46-47页
·全文工作总结	第46页
·数据挖掘分类若干问题的思考及展望	第46-47页
参考文献	第47-50页
致谢	第50-51页
附录1 CART分类器的主要功能	第51-61页
附录2 基于RBF神经网络的信用卡信用度的预测	第61页