数据挖掘中决策树分类算法的研究与改进
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·论文的研究内容 | 第13-14页 |
| ·论文的组织结构 | 第14-16页 |
| 第2章 数据挖掘及相关分类技术概述 | 第16-32页 |
| ·数据挖掘 | 第16-18页 |
| ·数据挖掘的定义 | 第16页 |
| ·数据挖掘的过程 | 第16-17页 |
| ·数据挖掘的意义 | 第17-18页 |
| ·分类技术 | 第18-20页 |
| ·分类的定义 | 第18-19页 |
| ·分类的过程 | 第19-20页 |
| ·典型的分类算法描述 | 第20-26页 |
| ·贝叶斯分类算法 | 第20-23页 |
| ·神经网络分类算法 | 第23-26页 |
| ·决策树分类算法 | 第26-31页 |
| ·决策树基本知识 | 第26-27页 |
| ·决策树构建过程 | 第27-29页 |
| ·C4.5 算法描述 | 第29-30页 |
| ·一种快速可扩展的分类算法 | 第30-31页 |
| ·一种可扩展的并行分类器 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第3章 一种改进的决策树分类算法 | 第32-46页 |
| ·方差规约属性选择方法 | 第32-35页 |
| ·方差规约属性选择方法的提出 | 第32-33页 |
| ·现有的以信息论为基础的属性选择标准 | 第33-35页 |
| ·基于方差规约的属性选择方法 | 第35-39页 |
| ·理论基础 | 第35-36页 |
| ·属性选择标准 | 第36-39页 |
| ·New-BMIC 离散化算法 | 第39-43页 |
| ·BMIC 离散化算法介绍 | 第39-40页 |
| ·New-BMIC 离散化算法的提出 | 第40页 |
| ·New-BMIC 离散化算法 | 第40-43页 |
| ·算法优化组合 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 实验及结果分析 | 第46-55页 |
| ·方差规约属性选择方法实验 | 第46-49页 |
| ·实验环境 | 第46页 |
| ·实验结果及分析 | 第46-49页 |
| ·New-BMIC 离散化算法实验 | 第49-51页 |
| ·实验数据集 | 第49-50页 |
| ·实验环境 | 第50页 |
| ·实验结果及分析 | 第50-51页 |
| ·算法的优化组合实验及结果分析 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第60-61页 |
| 致谢 | 第61页 |
