| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 本课题的研究背景和意义 | 第10-11页 |
| 1.2 目前国内外研究现状及进展 | 第11-13页 |
| 1.2.1 国外研究现状及进展 | 第11-12页 |
| 1.2.2 国内研究现状及进展 | 第12-13页 |
| 1.3 本文的研究内容 | 第13页 |
| 1.4 本文的结构安排 | 第13-15页 |
| 2 数据挖掘与决策树分类技术 | 第15-28页 |
| 2.1 数据挖掘 | 第15-19页 |
| 2.1.1 数据挖掘的概念、过程及技术 | 第15-18页 |
| 2.1.2 数据挖掘的发展及应用 | 第18-19页 |
| 2.2 决策树分类技术 | 第19-26页 |
| 2.2.1 决策树分类的概述 | 第19-21页 |
| 2.2.2 决策树分类的主要算法及比较 | 第21-25页 |
| 2.2.3 决策树分类的发展及应用 | 第25-26页 |
| 2.3 决策树优化策略 | 第26-28页 |
| 3 遗传算法 | 第28-36页 |
| 3.1 遗传算法概述 | 第28-29页 |
| 3.2 遗传算法的五个基本要素 | 第29-33页 |
| 3.2.1 染色体编码 | 第29页 |
| 3.2.2 种群初始化 | 第29-30页 |
| 3.2.3 适应度函数 | 第30页 |
| 3.2.4 遗传操作 | 第30-32页 |
| 3.2.5 参数设置 | 第32-33页 |
| 3.3 遗传算法的评价及应用 | 第33-36页 |
| 4 基于 C4.5 的遗传优化分类算法（GAC） | 第36-47页 |
| 4.1 决策树经典算法 C4.5 研究分析 | 第36-38页 |
| 4.1.1 C4.5 算法的基本思想 | 第36-37页 |
| 4.1.2 C4.5 算法的基本流程 | 第37-38页 |
| 4.1.3 C4.5 算法的缺点 | 第38页 |
| 4.2 GAC 算法 | 第38-41页 |
| 4.2.1 GAC 算法的相关概念 | 第38-40页 |
| 4.2.2 GAC 算法的基本思路 | 第40-41页 |
| 4.3 GAC 算法的实现过程 | 第41-44页 |
| 4.3.1 编码方案及种群初始化 | 第41-42页 |
| 4.3.2 适应度函数的选取 | 第42-43页 |
| 4.3.3 选择操作 | 第43页 |
| 4.3.4 交叉和变异操作 | 第43-44页 |
| 4.4 GAC 算法的理论分析与验证 | 第44-47页 |
| 5 基于遗传属性约简的 C4.5 分类算法（GAAR） | 第47-56页 |
| 5.1 C4.5 分类属性约简的必要性 | 第47页 |
| 5.2 GAAR 算法 | 第47-49页 |
| 5.2.1 GAAR 算法的有关概念和知识 | 第47-48页 |
| 5.2.2 GAAR 算法的基本流程 | 第48-49页 |
| 5.3 GAAR 算法的实现过程 | 第49-51页 |
| 5.3.1 编码及初始种群的设定 | 第50页 |
| 5.3.2 适应度函数的选取 | 第50页 |
| 5.3.3 选择操作 | 第50-51页 |
| 5.3.4 交叉操作 | 第51页 |
| 5.3.5 变异操作 | 第51页 |
| 5.3.6 最优保存策略 | 第51页 |
| 5.3.7 算法终止条件 | 第51页 |
| 5.4 实验及结果分析 | 第51-56页 |
| 结论 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间的研究成果 | 第61页 |