基于决策树方法的网络赌博预警系统的研究与设计
| 摘要 | 第1-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第12-17页 |
| ·课题的背景和意义 | 第12-13页 |
| ·数据挖掘的主要应用 | 第13-14页 |
| ·数据挖掘在网络赌博预警中的应用 | 第14-15页 |
| ·论文的主要内容 | 第15页 |
| ·论文的组织结构 | 第15-17页 |
| 第二章 数据挖掘理论 | 第17-28页 |
| ·数据挖掘的定义 | 第17页 |
| ·数据仓库(DM) | 第17-20页 |
| ·数据仓库的概念 | 第17-18页 |
| ·数据仓库的特征 | 第18-19页 |
| ·数据仓库的体系结构 | 第19-20页 |
| ·数据挖掘的研究内容 | 第20-22页 |
| ·数据挖掘的步骤 | 第22页 |
| ·数据挖掘的主要方法 | 第22-27页 |
| ·统计分析方法 | 第22-23页 |
| ·机器学习方法 | 第23-24页 |
| ·神经网络方法 | 第24页 |
| ·粗糙集方法 | 第24-25页 |
| ·聚类方法 | 第25页 |
| ·遗传算法 | 第25-26页 |
| ·其它方法 | 第26-27页 |
| 本章小节 | 第27-28页 |
| 第三章 网络赌博的数据挖掘方法 | 第28-42页 |
| ·网络赌博的数据挖掘方法选择 | 第28-30页 |
| ·网络赌博问题定义 | 第28页 |
| ·常用方法介绍 | 第28-30页 |
| ·决策树方法介绍 | 第30-34页 |
| ·基本决策树算法 | 第30-31页 |
| ·几种经典的决策树算法 | 第31-33页 |
| ·网络赌博预警问题的决策树算法 | 第33-34页 |
| ·ID3学习算法 | 第34-38页 |
| ·ID3算法的基本原理 | 第34页 |
| ·ID3算法的理论基础 | 第34-35页 |
| ·ID3算法介绍 | 第35-37页 |
| ·ID3算法的发展 | 第37-38页 |
| ·决策树的简化方法简介 | 第38-41页 |
| ·预剪枝方法 | 第38-39页 |
| ·后剪枝方法 | 第39-40页 |
| ·增量树学习方法 | 第40页 |
| ·其他方法 | 第40-41页 |
| 本章小结 | 第41-42页 |
| 第四章 网络赌博预警系统的总体设计 | 第42-51页 |
| ·网络赌博的主要特征 | 第42-44页 |
| ·网络赌博预警系统的需求 | 第44-46页 |
| ·现有的条件 | 第45页 |
| ·功能需求 | 第45-46页 |
| ·系统设计 | 第46-50页 |
| ·系统工作流程 | 第46-47页 |
| ·系统总体框架 | 第47-49页 |
| ·系统数据流图 | 第49-50页 |
| ·软件布署图 | 第50页 |
| 本章小结 | 第50-51页 |
| 第五章 网络赌博预警系统的设计与实现 | 第51-71页 |
| ·数据预处理模块的设计与实现 | 第51-55页 |
| ·数据抽取子模块 | 第51-53页 |
| ·数据归纳子模块 | 第53-54页 |
| ·数据清理子模块 | 第54页 |
| ·数据转换子模块 | 第54-55页 |
| ·数据库设计的要点 | 第55页 |
| ·决策树分类模型的建立 | 第55-66页 |
| ·训练样本库的建立 | 第55-56页 |
| ·数据结构与建树算法 | 第56-58页 |
| ·构建决策树 | 第58-64页 |
| ·决策树的剪枝 | 第64-66页 |
| ·结果处理模块的实现 | 第66-67页 |
| ·结果评价子模块的设计与实现 | 第66-67页 |
| ·报警子模块的实现 | 第67页 |
| ·运行结果与改进方向 | 第67-69页 |
| ·系统特点 | 第69页 |
| 本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 作者在学期间取得的学术成果 | 第75页 |
