| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-12页 |
| 1.1 数据挖掘定义及特点 | 第9-10页 |
| 1.2 数据挖掘应用及挑战 | 第10-11页 |
| 1.3 本文主要工作 | 第11-12页 |
| 2 数据挖掘中常用数据处理技术 | 第12-20页 |
| 2.1 分类技术 | 第12-16页 |
| 2.1.1 决策树 | 第12-14页 |
| 2.1.2 K近邻 | 第14页 |
| 2.1.3 支持向量机 | 第14-15页 |
| 2.1.4 朴素贝叶斯 | 第15页 |
| 2.1.5 分类模型的评价 | 第15-16页 |
| 2.2 特征选择技术 | 第16-18页 |
| 2.2.1 Filter方法 | 第17页 |
| 2.2.2 Wrapper方法 | 第17-18页 |
| 2.2.3 Embedded方法 | 第18页 |
| 2.3 聚类方法 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 基于多种分类方法的融合分类器 | 第20-31页 |
| 3.1 融合技术理论研究 | 第20-24页 |
| 3.1.1 常用融合算法介绍 | 第20-23页 |
| 3.1.2 融合技术相关工作 | 第23-24页 |
| 3.2 基于多分类器融合的双层投票算法 | 第24-27页 |
| 3.3 实验方法及结果讨论 | 第27-29页 |
| 3.3.1 实验设置 | 第27-28页 |
| 3.3.2 结果及讨论 | 第28-29页 |
| 3.4 本章小结 | 第29-31页 |
| 4 一种改进的支持向量机迭代特征删除算法 | 第31-46页 |
| 4.1 基于支持向量机的迭代特征删除算法 | 第31-33页 |
| 4.1.1 SVM-RFE特征选择算法介绍 | 第31-32页 |
| 4.1.2 SVM-RFE特征选择算法研究及应用 | 第32-33页 |
| 4.2 类重叠和SVM-RFE结合的特征选择算法 | 第33-36页 |
| 4.2.1 类重叠技术研究 | 第33-34页 |
| 4.2.2 基于类重叠的SVM-RFE特征选择算法 | 第34-36页 |
| 4.3 实验与结果 | 第36-45页 |
| 4.3.1 实验设置 | 第36-37页 |
| 4.3.2 分类准确率比较结果 | 第37-40页 |
| 4.3.3 特征分析结果 | 第40-45页 |
| 4.4 本章小结 | 第45-46页 |
| 结论 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
| 致谢 | 第53-54页 |