基于决策树和粗糙集的分类方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题背景 | 第8-9页 |
| 1.2 研究历史与现状 | 第9-11页 |
| 1.2.1 决策树的研究历史与现状 | 第9-10页 |
| 1.2.2 粗糙集理论的研究历史与现状 | 第10-11页 |
| 1.3 本文的主要工作 | 第11页 |
| 1.4 本文的组织结构 | 第11-13页 |
| 第2章 决策树分类方法的研究 | 第13-29页 |
| 2.1 决策树的构建与剪枝 | 第13-15页 |
| 2.1.1 决策树的构建 | 第13-14页 |
| 2.1.2 决策树的剪枝 | 第14-15页 |
| 2.2 分类模型的评价标准与方法 | 第15-18页 |
| 2.2.1 分类模型评估指标 | 第15-16页 |
| 2.2.2 分类模型评估方法 | 第16-18页 |
| 2.3 几种典型的决策树分类算法 | 第18-28页 |
| 2.3.1 ID3算法 | 第18-23页 |
| 2.3.2 C4.5算法 | 第23-24页 |
| 2.3.3 CART算法 | 第24-25页 |
| 2.3.4 SLIQ算法 | 第25-27页 |
| 2.3.5 SPRINT算法 | 第27-28页 |
| 2.4 小结 | 第28-29页 |
| 第3章 粗糙集分类方法的研究 | 第29-41页 |
| 3.1 粗糙集理论概述 | 第30-35页 |
| 3.1.1 粗糙集的定义与知识表示 | 第30页 |
| 3.1.2 不可分辨关系 | 第30-32页 |
| 3.1.3 属性的约简 | 第32-33页 |
| 3.1.4 属性的依赖性 | 第33页 |
| 3.1.5 属性的重要度 | 第33-34页 |
| 3.1.6 粗糙集的特点 | 第34-35页 |
| 3.2 可变精度粗糙集 | 第35-36页 |
| 3.3 决策表属性约简 | 第36-38页 |
| 3.3.1 典型的约简方法 | 第36页 |
| 3.3.2 基于区分矩阵属性约简方法 | 第36-38页 |
| 3.3.3 启发式属性约简方法 | 第38页 |
| 3.4 决策表规则发现 | 第38-40页 |
| 3.4.1 一般值约简方法 | 第38-39页 |
| 3.4.2 基于启发式的规则提取方法 | 第39页 |
| 3.4.3 基于决策矩阵的规则提取方法 | 第39-40页 |
| 3.5 小结 | 第40-41页 |
| 第4章 可变精度决策树分类器的设计与实现 | 第41-53页 |
| 4.1 粗糙集理论的信息嫡表示 | 第41-42页 |
| 4.2 基于VPID3的分类器的设计 | 第42-48页 |
| 4.2.1 算法改进的思想 | 第42页 |
| 4.2.2 算法的设计 | 第42-48页 |
| 4.3 实验与分析 | 第48-52页 |
| 4.3.1 实验数据和实验环境描述 | 第49页 |
| 4.3.2 实验结果 | 第49-50页 |
| 4.3.3 实验分析 | 第50-52页 |
| 4.4 小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.1.1 本文小结 | 第53页 |
| 5.1.2 存在的问题 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61-62页 |
| 在读期间参与科研项目情况 | 第62-63页 |
| 学位论文评阅及答辩情况表 | 第63页 |
