| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 引言 | 第11-16页 |
| ·数据挖掘概述 | 第11-13页 |
| ·研究背景及动机 | 第13-14页 |
| ·本文研究内容及组织结构 | 第14-16页 |
| 第2章 分类技术 | 第16-26页 |
| ·分类问题描述 | 第16-18页 |
| ·分类算法性能评估 | 第18-20页 |
| ·分类精度评估 | 第18-19页 |
| ·其他分类算法评估标准 | 第19-20页 |
| ·分类的基本方法 | 第20-25页 |
| ·贝叶斯分类 | 第20-21页 |
| ·基于决策树的分类 | 第21-23页 |
| ·源于关联规则的分类 | 第23-24页 |
| ·K-近邻分类方法 | 第24页 |
| ·神经网络分类方法 | 第24-25页 |
| ·其他分类算法 | 第25页 |
| ·小结 | 第25-26页 |
| 第3章 显露模式分类 | 第26-32页 |
| ·基本概念介绍 | 第26-27页 |
| ·显露模式的特性 | 第27-28页 |
| ·显露模式挖掘 | 第28-29页 |
| ·基于显露模式的分类方法 | 第29-31页 |
| ·小结 | 第31-32页 |
| 第4章 集成学习 | 第32-38页 |
| ·集成学习的概念 | 第32-33页 |
| ·Boosting | 第33页 |
| ·Bagging | 第33-34页 |
| ·分类器集成 | 第34-37页 |
| ·集成学习基本原理 | 第34-35页 |
| ·构建组合分类器的方法 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第5章 基于 Boosting 技术的显露模式集成分类算法 | 第38-47页 |
| ·算法的提出 | 第38-39页 |
| ·基分类器构造 | 第39-43页 |
| ·基本显露模式的优势 | 第39-40页 |
| ·基本显露模式的挖掘 | 第40-42页 |
| ·基于基本显露模式构造基分类器 | 第42-43页 |
| ·算法实现 | 第43-46页 |
| ·算法思想 | 第44页 |
| ·基分类器权重的计算 | 第44-45页 |
| ·算法描述 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第6章 实验测试与结果分析 | 第47-51页 |
| ·实验环境与测试目的 | 第47页 |
| ·实验结果与分析 | 第47-50页 |
| ·小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |