基于决策树的分布式分类算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-16页 |
| 1．1 分布式数据挖掘产生的原因 | 第7-8页 |
| 1．2 分布式数据挖掘系统的特点 | 第8-9页 |
| 1．3 几种重要的分布式技术 | 第9-12页 |
| 1．4 分布式数据挖掘的研究现状 | 第12-13页 |
| 1．5 本文的工作 | 第13-15页 |
| 1．6 本文的结构安排 | 第15-16页 |
| 第二章 分类 | 第16-23页 |
| 2．1 分类的概念 | 第16-17页 |
| 2．2 分类的过程 | 第17页 |
| 2．3 分类前准备 | 第17-18页 |
| 2．4 分类算法的比较标准 | 第18-19页 |
| 2．5 分类器的准确度评估方法 | 第19-20页 |
| 2．5．1 影响分类器错误率的因素 | 第19-20页 |
| 2．5．2 分类器的错误率的评估方法 | 第20页 |
| 2．6 分类的基本技术 | 第20-23页 |
| 第三章 决策树分类算法 | 第23-32页 |
| 3．1 决策树分类的思想 | 第23-24页 |
| 3．2 决策树学习的工作过程 | 第24页 |
| 3．3 决策树学习算法介绍 | 第24-30页 |
| 3．3．1 CLS算法 | 第25页 |
| 3．3．2 ID3/C4．5算法 | 第25-28页 |
| 3．3．3 SLIQ算法 | 第28-30页 |
| 3．3．4 SPRINT算法 | 第30页 |
| 3．4 决策树学习算法总结 | 第30-32页 |
| 第四章 基于决策树的分布式分类算法研究 | 第32-41页 |
| 4．1 分布式数据挖掘 | 第32-33页 |
| 4．2 Agent | 第33-35页 |
| 4．2．1 Ageni的概念 | 第33-34页 |
| 4．2．2 移动Agent | 第34-35页 |
| 4．3 DMTKD算法 | 第35-37页 |
| 4．3．1 背景及意义 | 第35-36页 |
| 4．3．2 DMTKD介绍 | 第36-37页 |
| 4．4 改进的DMTKD算法 | 第37-41页 |
| 4．4．1 DMTKD算法思想分析 | 第37-38页 |
| 4．4．2 改进的DMTKD算法思想 | 第38-41页 |
| 第五章 改进的DMTKD算法的实现及性能的分析 | 第41-63页 |
| 5．1 算法的描述 | 第41-43页 |
| 5．2 测试属性标准的选择 | 第43-47页 |
| 5．2．1 简化的信息增益 | 第44-45页 |
| 5．2．2 决策树学习属性选择的性能分析 | 第45-47页 |
| 5．3 局部决策树结果的集成 | 第47-63页 |
| 5．3．1 局部决策结果集成时应考虑的问题 | 第48-50页 |
| 5．3．2 局部决策结果集成的方法 | 第50-51页 |
| 5．3．3 算法的实现及性能分析 | 第51-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录(硕士研究生阶段发表的论文) | 第70页 |
