摘要 | 第3-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第12-16页 |
1.1 研究背景及意义 | 第12页 |
1.2 国内外研究现状 | 第12-14页 |
1.3 本文研究内容 | 第14页 |
1.4 本文组织结构 | 第14-16页 |
第二章 基础理论知识 | 第16-23页 |
2.1 绩效测评理论知识 | 第16-17页 |
2.1.1 绩效测评定义 | 第16页 |
2.1.2 绩效测评衡量标准 | 第16页 |
2.1.3 绩效测评目的 | 第16-17页 |
2.2 数据挖掘理论知识 | 第17-20页 |
2.2.1 数据挖掘定义 | 第17-18页 |
2.2.2 数据挖掘功能 | 第18页 |
2.2.3 数据挖掘体系结构 | 第18-19页 |
2.2.4 数据挖掘详细过程 | 第19-20页 |
2.3 分类挖掘技术 | 第20-22页 |
2.3.1 分类概念 | 第20页 |
2.3.2 分类挖掘常用算法 | 第20-22页 |
2.4 本章小结 | 第22-23页 |
第三章 决策树理论知识 | 第23-40页 |
3.1 决策树基本概念 | 第23-24页 |
3.2 决策树算法特点 | 第24页 |
3.3 决策树评价标准 | 第24-26页 |
3.4 决策树构建过程 | 第26页 |
3.5 决策树剪枝技术 | 第26-27页 |
3.6 清晰决策树常用算法 | 第27-33页 |
3.6.1 信息论知识介绍 | 第27-29页 |
3.6.2 ID3算法 | 第29-30页 |
3.6.3 C4.5算法 | 第30-31页 |
3.6.4 CART算法 | 第31-32页 |
3.6.5 SLIQ算法 | 第32页 |
3.6.6 SPRINT算法 | 第32-33页 |
3.6.7 PUBLIC算法 | 第33页 |
3.6.8 常用清晰决策树算法对比分析 | 第33页 |
3.7 模糊决策树常用算法 | 第33-38页 |
3.7.1 模糊集知识介绍 | 第33-36页 |
3.7.1.1 模糊集概念 | 第33-35页 |
3.7.1.2 模糊集表示方法 | 第35页 |
3.7.1.3 模糊集运算 | 第35-36页 |
3.7.1.4 模糊集常用隶属度函数 | 第36页 |
3.7.2 模糊决策树常用算法 | 第36-38页 |
3.7.2.1 FuzzyID3算法 | 第36-37页 |
3.7.2.2 Min-Ambiguity算法 | 第37-38页 |
3.8 决策树对比分析 | 第38-39页 |
3.9 本章小结 | 第39-40页 |
第四章 决策树算法改进 | 第40-50页 |
4.1 ID3算法改进 | 第40-46页 |
4.1.1 采用ID3算法构建决策树 | 第40-44页 |
4.1.2 ID3算法改进原理 | 第44-46页 |
4.1.2.1 决策协调度概念 | 第44-45页 |
4.1.2.2 基于决策协调度的算法改进原理 | 第45页 |
4.1.2.3 采用改进ID3算法构建决策树 | 第45-46页 |
4.1.3 结果分析 | 第46页 |
4.2 FuzzyID3算法改进 | 第46-49页 |
4.2.1 采用FuzzyID3算法构建模糊决策树 | 第47-48页 |
4.2.2 采用改进FuzzyID3算法构建模糊决策树 | 第48-49页 |
4.2.3 结果分析 | 第49页 |
4.3 本章小结 | 第49-50页 |
第五章 改进算法在员工绩效测评系统中的应用 | 第50-71页 |
5.1 确定挖掘对象及目标 | 第50页 |
5.2 数据采集 | 第50-51页 |
5.3 数据预处理 | 第51-53页 |
5.4 清晰决策树算法演示 | 第53-60页 |
5.4.1 采用ID3算法构建决策树 | 第53-57页 |
5.4.2 采用改进ID3算法构建决策树 | 第57-59页 |
5.4.3 模型评估 | 第59-60页 |
5.5 数据模糊化 | 第60-62页 |
5.6 模糊决策树算法演示 | 第62-69页 |
5.6.1 采用FuzzyID3算法构建模糊决策树 | 第62-64页 |
5.6.2 采用改进FuzzyID3算法构建模糊决策树 | 第64-66页 |
5.6.3 模型评估 | 第66-69页 |
5.7 本章小结 | 第69-71页 |
第六章 结论与展望 | 第71-73页 |
参考文献 | 第73-78页 |
致谢 | 第78页 |