基于决策树的分类算法的并行化研究及应用
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-19页 |
| ·数据挖掘的提出 | 第10-11页 |
| ·数据挖掘基本理论 | 第11-18页 |
| ·数据挖掘的定义 | 第11页 |
| ·数据挖掘的数据来源 | 第11-13页 |
| ·数据挖掘的分类 | 第13页 |
| ·数据挖掘的过程 | 第13-14页 |
| ·数据挖掘的方法 | 第14-16页 |
| ·数据挖掘的应用 | 第16-17页 |
| ·数据挖掘所面临的挑战 | 第17-18页 |
| ·本文的主要内容及组织结构 | 第18-19页 |
| 第二章 决策树分类算法 | 第19-34页 |
| ·决策树分类技术概述 | 第19-20页 |
| ·几种典型的决策树算法 | 第20-28页 |
| ·ID3算法 | 第20-21页 |
| ·C4.5算法 | 第21-22页 |
| ·CART算法 | 第22-23页 |
| ·SLIQ算法 | 第23-25页 |
| ·SPRINT算法 | 第25-26页 |
| ·PUBLIC算法 | 第26-28页 |
| ·树剪枝算法 | 第28-31页 |
| ·前期剪枝 | 第29页 |
| ·后期剪枝 | 第29-30页 |
| ·对树进行修剪优化时应遵循的原则 | 第30-31页 |
| ·决策树分类算法的评价 | 第31-32页 |
| ·决策树技术面临的挑战及目前研究方向 | 第32-34页 |
| 第三章 决策树分类算法的可扩展性及并行化研究 | 第34-40页 |
| ·决策树分类算法的可扩展性研究 | 第34-36页 |
| ·可扩展性定义 | 第34-35页 |
| ·可扩展性研究的意义 | 第35-36页 |
| ·提高可扩展性的策略 | 第36页 |
| ·决策树分类的井行化研究 | 第36-40页 |
| ·决策树的并行性探讨 | 第37-38页 |
| ·建构决策树的并行方案 | 第38-39页 |
| ·各并行策略的比较 | 第39-40页 |
| 第四章 决策树分类算法的并行化改进研究 | 第40-48页 |
| ·决策树的并行改进算法提出的背景 | 第40-41页 |
| ·并行改进算法主要思想和决策树建树的关键步骤 | 第41-48页 |
| ·数据集的划分 | 第41-42页 |
| ·寻找最佳分割点 | 第42-45页 |
| ·执行分割 | 第45-48页 |
| 第五章 决策树技术应用于市场细分 | 第48-54页 |
| ·市场细分的相关概念 | 第48-49页 |
| ·决策树在市场细分中的应用实例 | 第49-52页 |
| ·决策树的生成和规则的产生 | 第49-51页 |
| ·决策树的市场细分系统的基本结构 | 第51-52页 |
| ·决策树算法在手机市场细分中的应用分析 | 第52-53页 |
| ·从手机功能及购买价格来细分手机市场 | 第52-53页 |
| ·从消费者特征及购买价格来细分手机市场 | 第53页 |
| ·结语 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第57-58页 |
| 致谢 | 第58页 |
