| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·数据挖掘的主要任务 | 第9-10页 |
| ·分类模型 | 第10页 |
| ·决策树分类 | 第10-12页 |
| ·分类挖掘应用 | 第12-13页 |
| ·本文工作 | 第13-14页 |
| 第二章 粗糙集理论基础 | 第14-18页 |
| ·基本粗糙集理论 | 第14-15页 |
| ·变精度粗糙集理论 | 第15-16页 |
| ·应用粗糙集理论进行知识发现 | 第16-18页 |
| 第三章 决策树理论基础 | 第18-29页 |
| ·决策树简介 | 第18页 |
| ·构建决策树步骤 | 第18-20页 |
| ·生长决策树 | 第18-19页 |
| ·剪枝决策树 | 第19-20页 |
| ·构建决策树算法 | 第20-24页 |
| ·CLS 算法 | 第20-21页 |
| ·ID3 算法 | 第21-22页 |
| ·C4.5 算法 | 第22-24页 |
| ·决策树剪枝算法 | 第24-29页 |
| ·CCP (Cost Complexity Pruning) | 第24-25页 |
| ·REP (Reduced Error Pruning) | 第25-26页 |
| ·PEP (Pessimistic Error Pruning) | 第26-27页 |
| ·MEP (Minimum Error Pruning) | 第27-29页 |
| 第四章 基于粗糙集理论的决策树生成 | 第29-47页 |
| ·数据预处理 | 第29-30页 |
| ·连续取值属性离散化 | 第30-33页 |
| ·基于粗糙集的决策树生长算法 | 第33-37页 |
| ·决策树剪枝算法(ECP: error complication pruning) | 第37-42页 |
| ·决策森林 | 第42-45页 |
| ·生成分类规则 | 第45页 |
| ·分析和评估 | 第45-47页 |
| 第五章 系统实现 | 第47-61页 |
| ·系统实现 | 第47-59页 |
| ·今后研究方向 | 第59-61页 |
| ·剪枝标准的确定 | 第59-60页 |
| ·提高系统性能 | 第60页 |
| ·系统与数据仓库集成 | 第60-61页 |
| 结语 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66-67页 |
| 致谢 | 第67页 |
