数据挖掘分类算法的改进研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.1.1 课题产生背景 | 第8-9页 |
| 1.1.2 课题研究意义 | 第9-10页 |
| 1.2 数据挖掘综述 | 第10-14页 |
| 1.2.1 数据挖掘的定义 | 第10-11页 |
| 1.2.2 数据挖掘的发展现状 | 第11-12页 |
| 1.2.3 数据挖掘的主要分析方法与功能 | 第12-14页 |
| 1.3 本文主要研究内容与组织结构 | 第14-16页 |
| 第二章 数据挖掘中的分类方法 | 第16-29页 |
| 2.1 分类方法综述 | 第16-18页 |
| 2.1.1 分类的基本概念 | 第16页 |
| 2.1.2 分类的过程及步骤 | 第16-17页 |
| 2.1.3 分类算法的评估标准 | 第17-18页 |
| 2.2 决策树分类算法 | 第18-21页 |
| 2.2.1 决策树分类算法的构造 | 第18-19页 |
| 2.2.2 决策树最优属性选择条件 | 第19-20页 |
| 2.2.3 决策树划分的终止条件 | 第20-21页 |
| 2.3 朴素贝叶斯分类方法 | 第21-22页 |
| 2.4 基于神经网络的分类方法 | 第22-25页 |
| 2.4.1 人工神经网络的结构 | 第22-24页 |
| 2.4.2 神经网络连接方式 | 第24页 |
| 2.4.3 多层感知器模型 | 第24-25页 |
| 2.5 其他分类算法 | 第25-26页 |
| 2.6 不同分类算法之间的优劣分析 | 第26-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第三章 一种数据预处理的改进方法 | 第29-37页 |
| 3.1 数据的预处理操作 | 第29-32页 |
| 3.1.1 原始数据集存在的问题 | 第29页 |
| 3.1.2 数据预处理的主要方法 | 第29-32页 |
| 3.2 针对数据预处理的改进策略 | 第32-34页 |
| 3.2.1 对输入数据的量级规范化处理 | 第33-34页 |
| 3.3 实验结果分析 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 一种神经网络分类算法的改进方法 | 第37-54页 |
| 4.1 算法基础 | 第37-44页 |
| 4.1.1 最小均方算法 | 第37-40页 |
| 4.1.2 学习率因子和动量项因子 | 第40页 |
| 4.1.3 BP算法 | 第40-44页 |
| 4.2 改进的批量BP学习算法 | 第44-53页 |
| 4.2.1 批量学习技术 | 第44-45页 |
| 4.2.2 批量学习BP算法的改进 | 第45-47页 |
| 4.2.3 改进的批量学习BP算法处理过程 | 第47-50页 |
| 4.2.4 实验结果分析 | 第50-52页 |
| 4.2.5 批量学习BP算法应用 | 第52-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 附录1 攻读硕士学位期间申请的专利 | 第59-60页 |
| 致谢 | 第60页 |
