| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 引言 | 第9-13页 |
| 1.1 课题背景和意义 | 第9-11页 |
| 1.2 研究现状和本文的主要工作 | 第11-12页 |
| 1.3 论文的组织结构 | 第12-13页 |
| 2 相关理论技术基础 | 第13-25页 |
| 2.1 数据挖掘 | 第13页 |
| 2.2 决策树 | 第13-16页 |
| 2.2.1 决策树的工作流程 | 第13-14页 |
| 2.2.2 决策树的基本情况 | 第14-15页 |
| 2.2.3 决策树的评价机制 | 第15-16页 |
| 2.3 几种常见的决策树算法 | 第16-23页 |
| 2.3.1 决策树技术的难点和算法 | 第16-17页 |
| 2.3.2 ID3算法 | 第17-18页 |
| 2.3.3 其他几种衍生算法 | 第18-21页 |
| 2.3.4 几类算法的比较分析 | 第21-23页 |
| 2.4 决策树的几类学习算法分析总结 | 第23-24页 |
| 2.5 小结 | 第24-25页 |
| 3 经典ID3算法的改进—FW-ID3算法 | 第25-38页 |
| 3.1 经典ID3算法的生成 | 第25-30页 |
| 3.1.1 决策树生成 | 第25-30页 |
| 3.1.2 经典ID3算法评价 | 第30页 |
| 3.2 ID3改进算法及应用 | 第30-35页 |
| 3.2.1 引入特征加权的改进 | 第30-32页 |
| 3.2.2 FW-ID3算法构建决策树 | 第32-35页 |
| 3.3 经典ID3算法和FW-ID3算法的对比实验 | 第35-37页 |
| 3.3.1 经典ID3算法和FW-ID3算法的验证比较 | 第35-36页 |
| 3.3.2 经典ID3算法和FW-ID3算法性能比较 | 第36-37页 |
| 3.4 小结 | 第37-38页 |
| 4 FW-ID3算法在铁路倒树预警系统中的应用 | 第38-44页 |
| 4.1 铁路倒树预警系统 | 第38-42页 |
| 4.1.1 相关术语介绍 | 第38页 |
| 4.1.2 铁路倒树预警系统设计方案 | 第38-41页 |
| 4.1.3 总体设计过程 | 第41-42页 |
| 4.2 铁路倒树预警系统的仿真实验 | 第42页 |
| 4.3 小结 | 第42-44页 |
| 5 总结和展望 | 第44-46页 |
| 5.1 总结 | 第44页 |
| 5.2 进一步的工作 | 第44-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48-49页 |
| 个人简历、在学期间发表的论文 | 第49页 |
