基于决策树ID3算法的改进研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-15页 |
| ·数据挖掘的产生背景 | 第11-12页 |
| ·数据挖掘系统的发展 | 第12-13页 |
| ·独立的数据挖掘软件 | 第12页 |
| ·横向的数据挖掘工具集 | 第12页 |
| ·纵向的数据挖掘解决方案 | 第12-13页 |
| ·XML 概述 | 第13-14页 |
| ·XML 的产生 | 第13页 |
| ·XML 的优势 | 第13页 |
| ·XML 在数据挖掘中的应用 | 第13-14页 |
| ·本文的主要工作和创新 | 第14-15页 |
| 第二章 数据挖掘综述 | 第15-32页 |
| ·数据挖掘的定义 | 第15-16页 |
| ·数据挖掘的技术定义 | 第15页 |
| ·数据挖掘的商业定义 | 第15-16页 |
| ·数据挖掘的对象 | 第16-17页 |
| ·关系数据库 | 第16页 |
| ·文本 | 第16页 |
| ·多媒体数据库 | 第16页 |
| ·Web 数据 | 第16-17页 |
| ·空间数据挖掘 | 第17页 |
| ·数据挖掘的体系结构 | 第17-18页 |
| ·数据挖掘的过程 | 第18-20页 |
| ·数据挖掘方法和技术 | 第20-27页 |
| ·归纳学习方法 | 第20-22页 |
| ·仿生物技术 | 第22-24页 |
| ·数值数据的公式发现 | 第24-25页 |
| ·统计分析方法 | 第25-26页 |
| ·模糊数学方法 | 第26页 |
| ·可视化技术 | 第26-27页 |
| ·数据挖掘的应用 | 第27-29页 |
| ·数据挖掘在金融业中的应用 | 第27页 |
| ·数据挖掘在保险业中的应用 | 第27-28页 |
| ·数据挖掘在零售业中的应用 | 第28页 |
| ·数据挖掘在生物医学界的应用 | 第28页 |
| ·数据挖掘在电信业中的应用 | 第28-29页 |
| ·数据挖掘的社会影响 | 第29-30页 |
| ·数据挖掘面临的挑战 | 第30-32页 |
| 第三章 数据分类中的决策树算法 | 第32-49页 |
| ·数据分类 | 第32-33页 |
| ·数据分类的过程 | 第32-33页 |
| ·数据分类方法的评估标准 | 第33页 |
| ·决策树分类 | 第33-38页 |
| ·决策树概念及生成算法 | 第33-35页 |
| ·树剪枝 | 第35-36页 |
| ·由决策树抽取分类规则 | 第36-38页 |
| ·几种常用的决策树分类算法 | 第38-47页 |
| ·CLS 算法 | 第38-39页 |
| ·ID3 算法 | 第39-40页 |
| ·C4.5 算法 | 第40-43页 |
| ·CART 算法 | 第43-45页 |
| ·PUBLIC 算法 | 第45-46页 |
| ·SLIQ 算法 | 第46-47页 |
| ·SPRINT 算法 | 第47页 |
| ·决策树算法小结 | 第47-49页 |
| 第四章 决策树ID3 算法详述 | 第49-58页 |
| ·信息论原理 | 第49-52页 |
| ·信道模型和学习信道模型 | 第49-50页 |
| ·信息熵和条件熵 | 第50-51页 |
| ·互信息和信息增益 | 第51-52页 |
| ·ID3 算法 | 第52-57页 |
| ·ID3 算法思想 | 第52-53页 |
| ·ID3 算法描述 | 第53-54页 |
| ·ID3 算法应用实例 | 第54-56页 |
| ·ID3 算法性能分析 | 第56-57页 |
| ·ID3 算法总结 | 第57-58页 |
| 第五章 基于决策树ID3 算法的改进算法 | 第58-75页 |
| ·ID3 算法存在的问题及改进思路 | 第58-59页 |
| ·ID3 算法的改进算法 | 第59-62页 |
| ·算法思想 | 第59页 |
| ·算法应用实例 | 第59-62页 |
| ·采用XML 存储数据 | 第62-66页 |
| ·XML 和数据库之间的映射 | 第63-65页 |
| ·XML 和关系数据 | 第65-66页 |
| ·仿真实验 | 第66-73页 |
| ·仿真实验工具简介 | 第66-67页 |
| ·实验准备 | 第67页 |
| ·实验结果分析 | 第67-73页 |
| ·本章小结 | 第73-75页 |
| 第六章 总结与展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻硕期间取得的研究成果 | 第81-82页 |
