以相关性确定条件属性的概化决策树
| 第一章 数据挖掘及其分类算法 | 第1-20页 |
| ·数据挖掘 | 第11-15页 |
| ·应用背景 | 第11-12页 |
| ·历史 | 第12页 |
| ·定义和处理阶段 | 第12-13页 |
| ·系统结构及功能 | 第13-15页 |
| ·分类算法 | 第15-18页 |
| ·分类算法概述 | 第15-16页 |
| ·举例说明分类的过程 | 第16-18页 |
| ·主要工作 | 第18-19页 |
| ·论文的组织 | 第19-20页 |
| 第二章 决策树分类算法 | 第20-35页 |
| ·决策树简介 | 第20-22页 |
| ·构造决策树算法 | 第22-27页 |
| ·CLS学习算法 | 第22-23页 |
| ·ID3算法 | 第23-25页 |
| ·C4.5算法 | 第25-27页 |
| ·处理大规模数据集的决策树 | 第27-30页 |
| ·SLIQ算法 | 第27-29页 |
| ·SPRINT算法 | 第29-30页 |
| ·决策树的剪枝 | 第30-34页 |
| ·先剪枝(pre-pruning) | 第31页 |
| ·后剪枝(post-pruning) | 第31-34页 |
| ·小结 | 第34-35页 |
| 第三章 面向属性归约和相关性分析 | 第35-46页 |
| ·面向属性归约 | 第35-42页 |
| ·数据的概念层次 | 第35-38页 |
| ·主要归纳关系 | 第38-42页 |
| ·相关性分析 | 第42-45页 |
| ·不确定相关性度量 | 第42-43页 |
| ·相关性度量的另一种方法 | 第43-45页 |
| ·结论 | 第45-46页 |
| 第四章 算法的改进 | 第46-58页 |
| ·改进的原因 | 第46-47页 |
| ·改进算法的思想 | 第47-57页 |
| ·数据的预处理 | 第47-49页 |
| ·数据概念层次的提取 | 第49-56页 |
| ·基于相关性分析的决策树生成 | 第56-57页 |
| ·决策树生成算法的描述 | 第57-58页 |
| 第五章 实验与分析 | 第58-60页 |
| ·实验 | 第58-59页 |
| ·分析证明 | 第59-60页 |
| 第六章 论文总结 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |
