摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第10-15页 |
1.1 课题研究背景与意义 | 第10页 |
1.2 国内外研究现状 | 第10-12页 |
1.2.1 国外决策树算法研究进程 | 第10-11页 |
1.2.2 国内决策树算法研究进程 | 第11-12页 |
1.3 课题研究内容 | 第12-13页 |
1.4 课题组织结构 | 第13-15页 |
第二章 数据挖掘技术简介和决策树算法 | 第15-22页 |
2.1 数据挖掘概述 | 第15-17页 |
2.1.1 数据挖掘的定义 | 第15页 |
2.1.2 数据挖掘的方法 | 第15-16页 |
2.1.3 数据挖掘的步骤 | 第16-17页 |
2.2 决策树概述 | 第17-18页 |
2.2.1 决策树的相关介绍及其生成 | 第17页 |
2.2.2 决策树的规则提取及预测 | 第17-18页 |
2.3 ID3算法概述 | 第18-21页 |
2.3.1 ID3算法的基本思想 | 第18页 |
2.3.2 ID3算法的算法描述 | 第18-19页 |
2.3.3 ID3算法的实例分析 | 第19-21页 |
2.3.4 ID3算法的优缺点 | 第21页 |
2.4 本章小结 | 第21-22页 |
第三章 基于矫正函数的决策树优化算法 | 第22-36页 |
3.1 引言 | 第22页 |
3.2 相关基本理论 | 第22-25页 |
3.2.1 ID3算法改进的理论基础 | 第22-23页 |
3.2.2 等价无穷小相关简化理论基础 | 第23-24页 |
3.2.3 基于矫正函数的ID3决策树优化算法的实现方案 | 第24-25页 |
3.3 结合矫正函数的ID3算法改进 | 第25-28页 |
3.3.1 矫正函数的提出 | 第25页 |
3.3.2 矫正函数的选取 | 第25-26页 |
3.3.3 矫正函数的相关证明 | 第26-27页 |
3.3.4 基于矫正函数的ID3改进算法 | 第27页 |
3.3.5 改进后ID3算法的多值偏向分析 | 第27-28页 |
3.4 信息增益公式的简化 | 第28-29页 |
3.5 基于矫正函数的ID3决策树优化算法的提出 | 第29-30页 |
3.6 实验研究 | 第30-35页 |
3.6.1 实验说明及评价标准 | 第30页 |
3.6.2 DTCF算法的实例验证与分析 | 第30-32页 |
3.6.3 实验验证及分析 | 第32-35页 |
3.6.4 实验结论 | 第35页 |
3.7 本章小结 | 第35-36页 |
第四章 基于相关系数的决策树优化算法 | 第36-52页 |
4.1 引言 | 第36-37页 |
4.2 相关基本理论 | 第37-39页 |
4.2.1 麦克劳林公式相关简化理论 | 第37-38页 |
4.2.2 相关系数的定义及含义 | 第38-39页 |
4.2.3 基于相关系数的决策树优化算法的实现方案 | 第39页 |
4.3 结合相关系数的ID3算法改进 | 第39-42页 |
4.3.1 属性之间相关系数的引入 | 第39-41页 |
4.3.2 基于相关系数的ID3改进算法 | 第41页 |
4.3.3 改进后ID3算法的多值偏向分析 | 第41-42页 |
4.4 信息增益公式的简化 | 第42-43页 |
4.5 基于相关系数的决策树优化算法的提出 | 第43页 |
4.6 实验研究 | 第43-51页 |
4.6.1 实验说明及评价标准 | 第43-44页 |
4.6.2 DTCC算法的实例验证与分析 | 第44-49页 |
4.6.3 实验验证及分析 | 第49-50页 |
4.6.4 实验结论 | 第50-51页 |
4.7 本章小结 | 第51-52页 |
第五章 优化的ID3算法在酒店客房续费问题中的应用 | 第52-61页 |
5.1 引言 | 第52页 |
5.2 问题确立 | 第52-53页 |
5.3 数据准备 | 第53-54页 |
5.4 数据挖掘算法的执行 | 第54-58页 |
5.4.1 ID3算法的实现 | 第55页 |
5.4.2 DTCF算法的实现 | 第55-56页 |
5.4.3 DTCC算法的实现 | 第56-57页 |
5.4.4 三种算法运行结果的比较分析 | 第57-58页 |
5.5 提取规则及预测 | 第58-60页 |
5.6 本章小结 | 第60-61页 |
第六章 总结和展望 | 第61-63页 |
6.1 本文工作总结 | 第61-62页 |
6.2 课题展望 | 第62-63页 |
参考文献 | 第63-66页 |
致谢 | 第66-67页 |
攻读学位期间的研究成果 | 第67-68页 |