| DEDICATION | 第4-5页 |
| Abstract | 第5-7页 |
| 简介 | 第8-10页 |
| TABLE OF CONTENTS | 第10-13页 |
| Acknowledgement | 第13-14页 |
| List of Figures | 第14-15页 |
| List of Tables | 第15-16页 |
| Chapter One Introduction | 第16-22页 |
| 1.1 Background of the Study | 第16-19页 |
| 1.2 Classifications Algorithm | 第19页 |
| 1.3 Objective of research | 第19-21页 |
| 1.4 Thesis overview | 第21-22页 |
| Chapter Two Background and Literature Review | 第22-41页 |
| 2.1 Artificial neural networks | 第22-30页 |
| 2.1.1 Neural network architecture | 第22-27页 |
| 2.1.2 Neural Network Training | 第27-28页 |
| 2.1.3 Neural networks for classification | 第28-29页 |
| 2.1.4 Rule of extraction from neural networks | 第29-30页 |
| 2.2 Decision trees | 第30-33页 |
| 2.2.1 Decision tree classifications | 第30-31页 |
| 2.2.2 Decision tree applications | 第31-33页 |
| 2.3 C4.5 Algorithm | 第33-37页 |
| 2.3.1 Information Gain, Entropy Measure and Gain Ratio | 第34-37页 |
| 2.4. TREPAN Algorithm | 第37-40页 |
| 2.4.1 M-of-N Splitting test | 第39页 |
| 2.4.2 Single Test TREPAN and Disjunctive TREPAN | 第39-40页 |
| 2.5 Summary | 第40-41页 |
| Chapter Three Methodology | 第41-51页 |
| 3.1 Phase 1 | 第41-43页 |
| 3.2 Phase 2 | 第43-47页 |
| 3.2.1 Datasets | 第44-47页 |
| 3.3 Phase 3 | 第47页 |
| 3.4 Phase 4 | 第47-48页 |
| 3.5 Performance measures | 第48-50页 |
| 3.5.1 Classification accuracy | 第48-49页 |
| 3.5.2 Comprehensibility | 第49-50页 |
| 3.6 Summary | 第50-51页 |
| Chapter Four Results and Discussion | 第51-70页 |
| 4.0 Investigate and Extended TREPAN | 第51页 |
| 4.1 Dataset analysis | 第51-69页 |
| 4.1.1 Outages | 第51-59页 |
| 4.1.2 Body fat | 第59-63页 |
| 4.1.3. Admissions | 第63-69页 |
| 4.9 Summary | 第69-70页 |
| Chapter five Conclusion and future work | 第70-74页 |
| 5.1 Summary and Discussion | 第70-71页 |
| 5.1.1 Accuracy | 第71页 |
| 5.1.2 Comprehensibility | 第71页 |
| 5.2 Heuristics | 第71-72页 |
| 5.3 Conclusions | 第72-73页 |
| 5.4 Future works | 第73-74页 |
| References | 第74-78页 |
