| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 1 引言 | 第9-15页 |
| ·数据挖掘概述 | 第9-10页 |
| ·分类和组合分类概述 | 第10-12页 |
| ·本文的研究背景 | 第12-13页 |
| ·主要工作及论文结构 | 第13-15页 |
| 2 数据挖掘和组合分类 | 第15-28页 |
| ·数据挖掘介绍 | 第15页 |
| ·分类介绍 | 第15-22页 |
| ·决策树分类算法 | 第16-17页 |
| ·源于关联规则的分类算法 | 第17-18页 |
| ·贝叶斯分类算法 | 第18-20页 |
| ·基于EP的分类算法 | 第20页 |
| ·神经网络分类 | 第20-21页 |
| ·其他常见分类算法 | 第21-22页 |
| ·组合分类介绍 | 第22-27页 |
| ·组合分类相关 | 第23-24页 |
| ·Bagging组合分类 | 第24-25页 |
| ·Boosting组合分类 | 第25-26页 |
| ·Ramdom Forest组合分类 | 第26页 |
| ·Rotation Forest组合分类 | 第26页 |
| ·组合分类的分析 | 第26-27页 |
| ·小结 | 第27-28页 |
| 3 利用PCA和AdaBoost建立基于贝叶斯的组合分类器 | 第28-41页 |
| ·旋转森林算法思想 | 第28-29页 |
| ·AdaBoost算法思想 | 第29-31页 |
| ·主成分分析算法思想 | 第31-32页 |
| ·本文算法思想及描述 | 第32-40页 |
| ·算法提出的背景 | 第32-34页 |
| ·算法思想 | 第34-36页 |
| ·算法描述 | 第36-38页 |
| ·算法代码 | 第38-40页 |
| ·小结 | 第40-41页 |
| 4 实验结果和分析 | 第41-46页 |
| ·实验结果及分析 | 第41-45页 |
| ·小结 | 第45-46页 |
| 5 结束语 | 第46-48页 |
| ·全文总结 | 第46-47页 |
| ·工作展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-54页 |
| 附录:攻读硕士学位期间发表学术论文 | 第54页 |