多种数据挖掘技术对于电子商务分类问题研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 引言 | 第7-10页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 本文贡献 | 第8-9页 |
| 1.3 本文结构 | 第9-10页 |
| 第二章 预备知识及定义 | 第10-12页 |
| 2.1 属性分类 | 第10页 |
| 2.2 数据预处理 | 第10-11页 |
| 2.3 数据分群 | 第11-12页 |
| 第三章 数据挖掘算法分析 | 第12-30页 |
| 3.1 聚类 | 第12-16页 |
| 3.1.1 基于中心聚类 | 第12-13页 |
| 3.1.2 基于密度聚类及可视化改进 | 第13-15页 |
| 3.1.3 聚类评价指标 | 第15-16页 |
| 3.2 非线性分类器 | 第16-30页 |
| 3.2.1 决策树 | 第16-18页 |
| 3.2.2 神经网络及算法改进 | 第18-23页 |
| 3.2.3 神经网络堆叠泛化及算法改进 | 第23-24页 |
| 3.2.4 高斯过程 | 第24-29页 |
| 3.2.5 预测准确度定义 | 第29-30页 |
| 第四章 电子商务分类优化整合模型设计 | 第30-43页 |
| 4.1 聚类算法特性分析 | 第30-32页 |
| 4.2 非线性分类器特性分析 | 第32-34页 |
| 4.3 模型设计方案 | 第34-41页 |
| 4.3.1 模型设计思路 | 第34-37页 |
| 4.3.2 模型训练 | 第37-39页 |
| 4.3.3 模型预测 | 第39-41页 |
| 4.3.4 模型准确度定义 | 第41页 |
| 4.4 G-KM-NC模型综述 | 第41-43页 |
| 第五章 模型性能分析 | 第43-63页 |
| 5.1 实验1,互联网广告 | 第43-53页 |
| 5.1.1 性能基线 | 第44页 |
| 5.1.2 分群 | 第44-49页 |
| 5.1.3 分群+聚类 | 第49-52页 |
| 5.1.4 加速 | 第52页 |
| 5.1.5 小结 | 第52-53页 |
| 5.2 实验2,小额信贷审批 | 第53-61页 |
| 5.2.1 性能基线 | 第55页 |
| 5.2.2 分群 | 第55-57页 |
| 5.2.3 分群+聚类 | 第57-59页 |
| 5.2.4 加速 | 第59-60页 |
| 5.2.5 小结 | 第60-61页 |
| 5.3 模型性能综述 | 第61-63页 |
| 第六章 总结 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 硕士期间发表的论文 | 第69-70页 |
