海量不一致数据的分类算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题的研究目的和意义 | 第9-10页 |
| 1.2 国内外相关领域开发及应用现状分析 | 第10-15页 |
| 1.2.1 不一致数据修复 | 第11-12页 |
| 1.2.2 分类算法 | 第12-13页 |
| 1.2.3 特征选择算法 | 第13-14页 |
| 1.2.4 小结 | 第14-15页 |
| 1.3 论文主要研究内容 | 第15-16页 |
| 1.4 论文内容及结构 | 第16-17页 |
| 第2章 面向不一致数据的决策树生成算法 | 第17-32页 |
| 2.1 引言 | 第17-19页 |
| 2.2 研究背景 | 第19-20页 |
| 2.3 对决策树算法进行改进 | 第20-24页 |
| 2.3.1 问题定义 | 第20-21页 |
| 2.3.2 分割前置特征A | 第21-23页 |
| 2.3.3 分割后置特征B | 第23-24页 |
| 2.4 问题讨论 | 第24-25页 |
| 2.5 举例说明 | 第25-26页 |
| 2.6 算法扩展 | 第26-28页 |
| 2.6.1 条件函数依赖 | 第26-27页 |
| 2.6.2 函数集合 | 第27页 |
| 2.6.3 多属性函数依赖 | 第27-28页 |
| 2.7 实验效果 | 第28-31页 |
| 2.8 本章小结 | 第31-32页 |
| 第3章 基于不一致性的特征选择算法 | 第32-42页 |
| 3.1 特征选择算法概述 | 第32-34页 |
| 3.2 特征选择相关工作 | 第34-36页 |
| 3.3 互信息算法改进 | 第36-38页 |
| 3.3.1 前置特征互信息改进算法 | 第37-38页 |
| 3.3.2 后置特征互信息改进算法 | 第38页 |
| 3.4 实验结果 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于独立子集的随机森林算法 | 第42-47页 |
| 4.1 引言 | 第42页 |
| 4.2 相关工作 | 第42-43页 |
| 4.3 问题定义 | 第43-44页 |
| 4.4 基于独立子集的随机森林算法 | 第44-45页 |
| 4.5 实验结果 | 第45-46页 |
| 4.6 本章小节 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-54页 |
| 攻读学位期间发表的论文及研究成果 | 第54-56页 |
| 致谢 | 第56页 |
