| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 概述 | 第7-10页 |
| §1.1 研究的背景与意义 | 第7页 |
| §1.2 国内外研究现状 | 第7-9页 |
| §1.3 课题主要研究内容和成果 | 第9页 |
| §1.4 本文组织结构 | 第9-10页 |
| 第二章 数据挖掘理论与分类方法研究 | 第10-20页 |
| §2.1 数据挖掘的概念 | 第10页 |
| §2.2 数据挖掘的主要任务和方法 | 第10-14页 |
| §2.3 数据挖掘工具的评价标准 | 第14-15页 |
| §2.4 数据挖掘中的分类方法概述 | 第15-16页 |
| §2.5 分类的基本技术 | 第16-17页 |
| §2.6 几种典型的分类算法研究 | 第17-18页 |
| §2.6.1 决策树分类算法 | 第17页 |
| §2.6.2 遗传算法 | 第17页 |
| §2.6.3 神经网络方法 | 第17-18页 |
| §2.6.4 K-最近邻分类算法 | 第18页 |
| §2.7 分类技术在疾病防控与儿童免疫系统中的应用举例 | 第18-19页 |
| §2.8 本章小结 | 第19-20页 |
| 第三章 决策树分类算法的研究及实现和改进 | 第20-49页 |
| §3.1 决策树分类算法 | 第20-22页 |
| §3.2 典型的决策树算法 | 第22-38页 |
| §3.2.1 ID3算法 | 第22-29页 |
| §3.2.2 C4.5算法 | 第29-31页 |
| §3.2.3 CART算法 | 第31-33页 |
| §3.2.4 PUBLIC算法 | 第33-35页 |
| §3.2.5 基于人机交互的方法 | 第35页 |
| §3.2.6 SLIQ算法 | 第35-37页 |
| §3.2.7 SPRINT算法 | 第37页 |
| §3.2.8 IBLE算法 | 第37-38页 |
| §3.3 决策树的构造、简化 | 第38页 |
| §3.4 树剪枝算法 | 第38-42页 |
| §3.4.1 前期剪枝 | 第40页 |
| §3.4.2 后期剪枝 | 第40-41页 |
| §3.4.3 对树进行修剪优化时应遵循的原则 | 第41-42页 |
| §3.5 对决策树算法的讨论 | 第42-43页 |
| §3.5.1 决策树算法的比较 | 第42-43页 |
| §3.5.2 决策树的优劣 | 第43页 |
| §3.6 算法的改进及在实际中的应用 | 第43-48页 |
| §3.6.1 系统涉及的关键技术 | 第44-47页 |
| §3.6.2 算法的具体实现 | 第47-48页 |
| §3.7 本章小结 | 第48-49页 |
| 第四章 决策树分类算法的应用及分析 | 第49-59页 |
| §4.1 疾病防控与儿童免疫管理系统介绍 | 第49-50页 |
| §4.2 系统的体系结构 | 第50-51页 |
| §4.3 疾病防控与儿童免疫管理系统的现状及发展趋势 | 第51-53页 |
| §4.3.1 技术现状 | 第51-52页 |
| §4.3.2 技术发展趋势 | 第52-53页 |
| §4.4 决策支持子系统的开发过程 | 第53-58页 |
| §4.4.1 数据选取和数据预处理 | 第53-54页 |
| §4.4.2 决策树生成 | 第54-56页 |
| §4.4.3 决策规则的产生 | 第56-57页 |
| §4.4.4 决策支持子系统的分析 | 第57页 |
| §4.4.5 决策支持子系统的不足及进一步改进工作 | 第57-58页 |
| §4.5 本章小结 | 第58-59页 |
| 结束语 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 长春理工大学硕士学位论文原创性声明 | 第63页 |
| 长春理工大学学位论文版权使用授权书 | 第63页 |
