具有降维容噪特性的决策树算法改进
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究综述 | 第13-15页 |
| 1.2.1 基于预处理的改进研究 | 第13-14页 |
| 1.2.2 基于学习算法的改进研究 | 第14-15页 |
| 1.3 论文主要工作 | 第15-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 2 相关理论 | 第18-32页 |
| 2.1 降维算法 | 第18-23页 |
| 2.1.1 降维算法应用领域 | 第19-20页 |
| 2.1.2 主成分分析法PCA | 第20-21页 |
| 2.1.3 线性鉴别分析LDA | 第21-23页 |
| 2.2 容噪算法的正则化最优问题 | 第23-25页 |
| 2.3 决策树算法 | 第25-29页 |
| 2.3.1 ID3 算法 | 第27-28页 |
| 2.3.2 C4.5 算法 | 第28页 |
| 2.3.3 CART算法 | 第28-29页 |
| 2.4 评价指标 | 第29-30页 |
| 2.4.1 准确率度量 | 第29-30页 |
| 2.4.2 模型规模度量 | 第30页 |
| 2.5 本章小结 | 第30-32页 |
| 3 NFPCA算法 | 第32-38页 |
| 3.1 PCA算法的局限性 | 第32-35页 |
| 3.2 NFPCA算法基本思想 | 第35-36页 |
| 3.3 NFPCA算法设计实现 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 NFPCA-in-C4.5 算法 | 第38-43页 |
| 4.1 决策树构建阶段 | 第38-40页 |
| 4.2 决策树预测阶段 | 第40-41页 |
| 4.3 本章小结 | 第41-43页 |
| 5 实验及结果分析 | 第43-53页 |
| 5.1 实验环境与数据集描述 | 第43页 |
| 5.2 实验设计与分析 | 第43-52页 |
| 5.2.1 预测准确率比较 | 第44-47页 |
| 5.2.2 模型规模比较 | 第47-52页 |
| 5.3 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 全文总结 | 第53-54页 |
| 6.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57-58页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第58页 |
