基于粗糙集合理论的决策树优化方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-18页 |
| ·本文的研究背景 | 第12-13页 |
| ·数据库知识发现与数据挖掘 | 第13-15页 |
| ·KDD的定义 | 第13-14页 |
| ·KDD的过程和应用范围 | 第14页 |
| ·KDD面临的问题 | 第14-15页 |
| ·决策树算法的应用 | 第15-16页 |
| ·本文的课题来源及主要内容及组织 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第二章 分类问题相关研究 | 第18-32页 |
| ·引言 | 第18页 |
| ·分类及其常用模型 | 第18-24页 |
| ·决策树分类 | 第19-20页 |
| ·贝叶斯分类 | 第20-22页 |
| ·神经网络 | 第22-23页 |
| ·基于概念格的分类 | 第23页 |
| ·粗糙集合 | 第23-24页 |
| ·其它分类模型 | 第24页 |
| ·基于决策树的经典分类方法 | 第24-30页 |
| ·CLS算法 | 第24-25页 |
| ·ID3算法 | 第25-27页 |
| ·C4.5算法 | 第27-28页 |
| ·CART算法 | 第28-29页 |
| ·SLIQ算法 | 第29-30页 |
| ·对几种算法的性能比较 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 决策树的优化 | 第32-44页 |
| ·引言 | 第32页 |
| ·修改测试属性空间 | 第32-36页 |
| ·数据驱动方法 | 第32-35页 |
| ·假设驱动构造 | 第35-36页 |
| ·改进测试属性选择方法 | 第36-37页 |
| ·按分类信息估值分类 | 第36页 |
| ·按划分距离估值分类 | 第36-37页 |
| ·决策树的剪枝 | 第37-39页 |
| ·预剪枝 | 第37页 |
| ·后剪枝 | 第37-39页 |
| ·对数据进行限制 | 第39-40页 |
| ·实例选择 | 第39-40页 |
| ·属性选择 | 第40页 |
| ·改变数据结构 | 第40-43页 |
| ·决策图 | 第40-42页 |
| ·规则集 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于粗糙集决策树优化研究 | 第44-55页 |
| ·粗糙集合理论概述 | 第44-46页 |
| ·基于粗糙集的决策树算法及分析 | 第46-48页 |
| ·HACRs算法 | 第46页 |
| ·基于粗集的多变量决策树算法 | 第46-47页 |
| ·基于粗集的混合变量决策树算法—RSH和RSH2 | 第47-48页 |
| ·VPMDT算法描述 | 第48-54页 |
| ·算法的相关定义及定理 | 第48-49页 |
| ·数据约简 | 第49页 |
| ·分裂属性的选取方法及算法描述 | 第49-50页 |
| ·与其他决策树算法的比较 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 实验系统简介 | 第55-61页 |
| ·引言 | 第55页 |
| ·系统结构和实现设计 | 第55-58页 |
| ·系统功能模块划分 | 第55-56页 |
| ·数据结构的定义 | 第56-57页 |
| ·输入数据的格式 | 第57-58页 |
| ·系统主界面 | 第58页 |
| ·主要类及函数介绍 | 第58-59页 |
| ·系统运行结果展示 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 结束语 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 研究生期间参加科研和发表论文 | 第67页 |
