一种基于密度的改进决策树算法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 常见分类算法介绍 | 第7-10页 |
| 1.3 机器学习研究现状 | 第10-12页 |
| 1.4 本文主要内容 | 第12-13页 |
| 2 决策树算法简介 | 第13-28页 |
| 2.1 C4.5算法介绍 | 第16-20页 |
| 2.2 相关集成学习算法介绍 | 第20-28页 |
| 2.2.1 RandomForest算法 | 第20-22页 |
| 2.2.2 Bagging算法 | 第22-24页 |
| 2.2.3 AdaBoost算法 | 第24-28页 |
| 3 基于密度的C4.5算法 | 第28-36页 |
| 3.1 基于密度的C4.5算法介绍 | 第28-31页 |
| 3.2 与传统C4.5算法的对比 | 第31-35页 |
| 3.2.1 实验背景介绍 | 第31-32页 |
| 3.2.2 实验分析 | 第32-35页 |
| 3.3 本章小结 | 第35-36页 |
| 4 基于密度的集成决策树算法 | 第36-43页 |
| 4.1 基于密度的RandomForest算法 | 第37-39页 |
| 4.2 基于密度的Bagging算法 | 第39-41页 |
| 4.3 基于密度的AdaBoost算法 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 结论 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 攻读硕士学位期间发表学术论文情况 | 第47-48页 |
| 致谢 | 第48-49页 |
