| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究的背景及意义 | 第11-12页 |
| 1.2 课题研究现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第二章 相关背景知识 | 第17-27页 |
| 2.1 数据挖掘技术 | 第17-19页 |
| 2.2 分类算法相关知识 | 第19-22页 |
| 2.2.1 分类的基本概念 | 第19页 |
| 2.2.2 分类的基本步骤 | 第19-20页 |
| 2.2.3 数据挖掘典型的分类算法 | 第20-22页 |
| 2.3 决策树算法简介 | 第22-26页 |
| 2.3.1 决策树算法概述 | 第23-25页 |
| 2.3.2 决策树的结构 | 第25页 |
| 2.3.3 决策树算法的学习过程 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于信息增益的量化算法实现 | 第27-36页 |
| 3.1 C4.5算法的分析 | 第27-29页 |
| 3.1.1 C4.5算法流程 | 第27-28页 |
| 3.1.2 C4.5算法的评价 | 第28-29页 |
| 3.2 算法的改进 | 第29-34页 |
| 3.2.1 信息增益量化算法的实现过程 | 第29-32页 |
| 3.2.2 信息增益与K-means相结合量化算法 | 第32-34页 |
| 3.3 本章小结 | 第34-36页 |
| 第四章 信息增益量化算法在决策树中的应用 | 第36-55页 |
| 4.1 实验数据 | 第36-40页 |
| 4.2 实验过程 | 第40-42页 |
| 4.3 实验结果 | 第42-45页 |
| 4.4 实验结果分析 | 第45-54页 |
| 4.4.1 改进后量化算法与C4.5算法对比 | 第45-53页 |
| 4.4.2 信息增益与聚类算法相结合的二聚类、三聚类量化效果对比 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间发表论文 | 第60-62页 |
| 致谢 | 第62页 |