| 学位论文版权使用授权书 | 第1-4页 |
| 同济大学学位论文原创性声明 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-20页 |
| ·背景介绍 | 第11-15页 |
| ·国内外税收信息化的历程 | 第11-12页 |
| ·纳税评估及其存在的问题 | 第12-13页 |
| ·纳税评估对数据挖掘的需求 | 第13-15页 |
| ·决策树技术面临的挑战及目前研究方向 | 第15-19页 |
| ·本文的主要研究内容 | 第19-20页 |
| 第2章 数据挖掘技术概述 | 第20-34页 |
| ·数据挖掘的基本概念 | 第20-21页 |
| ·数据挖掘的分类 | 第21页 |
| ·数据挖掘方法简介 | 第21-25页 |
| ·数据挖掘能发现的知识 | 第25-26页 |
| ·数据挖掘中常用的技术 | 第26-28页 |
| ·衡量数据挖掘算法的标准 | 第28-29页 |
| ·数据挖掘的过程 | 第29页 |
| ·数据挖掘系统的体系构成 | 第29-31页 |
| ·数据挖掘的应用 | 第31-32页 |
| ·数据挖掘面临的挑战 | 第32-34页 |
| 第3章 基于决策树的分类规则挖掘算法 | 第34-57页 |
| ·分类算法概述 | 第34-35页 |
| ·决策树分类算法 | 第35-43页 |
| ·决策树的表示法 | 第35-36页 |
| ·决策树构造步骤 | 第36-37页 |
| ·决策树的评价标准 | 第37-38页 |
| ·决策树的简化方法 | 第38-40页 |
| ·决策树分类的经典算法 | 第40-41页 |
| ·决策树的适用范围及应用 | 第41-42页 |
| ·决策树算法的小结 | 第42-43页 |
| ·决策树 ID3算法 | 第43-57页 |
| ·CLS学习算法 | 第43-44页 |
| ·信息论原理在 ID3算法中的应用 | 第44-47页 |
| ·ID3算法描述 | 第47-48页 |
| ·ID3算法的优缺点 | 第48-49页 |
| ·ID3算法实例 | 第49-55页 |
| ·ID3算法小结 | 第55-57页 |
| 第4章 决策树ID3算法的改进 | 第57-65页 |
| ·改进的原理 | 第57-59页 |
| ·QID3示例 | 第59-64页 |
| ·对根结点进行分类 | 第59-60页 |
| ·对叶结点进行分类 | 第60-64页 |
| ·分类规则 | 第64页 |
| ·结果比较分析 | 第64-65页 |
| 第5章 基于改进ID3算法的分类系统的面向对象设计 | 第65-74页 |
| ·需求分析 | 第65页 |
| ·标准模板库 | 第65-66页 |
| ·分类系统设计 | 第66-67页 |
| ·分类系统流程图 | 第67-68页 |
| ·分类系统设计中要解决的几个问题 | 第68-71页 |
| ·分类系统模块构成 | 第71-72页 |
| ·编程工具的选择 | 第72-73页 |
| ·系统用户界面设计 | 第73-74页 |
| 第6章 基于优化 ID3算法的分类系统在纳税评估中的应用 | 第74-83页 |
| ·系统概述 | 第74页 |
| ·实现目标 | 第74-75页 |
| ·基于决策树的系统实现 | 第75-76页 |
| ·系统数据挖掘流程及决策树算法的应用 | 第76-83页 |
| ·定义问题 | 第76页 |
| ·建立数据挖掘库 | 第76页 |
| ·数据收集和数据选择 | 第76-77页 |
| ·建立模型与结果解释 | 第77-78页 |
| ·具体操作流程 | 第78-82页 |
| ·测试模型 | 第82-83页 |
| 第7章 结论与展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-87页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第87页 |