基于分类不可指定性的清晰决策树归纳算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 引言 | 第9-14页 |
| ·研究背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-13页 |
| ·清晰决策树 | 第9-12页 |
| ·模糊决策树 | 第12-13页 |
| ·文章结构 | 第13-14页 |
| 第2章 决策树分类算法 | 第14-29页 |
| ·分类 | 第14页 |
| ·决策树算法概述 | 第14-21页 |
| ·决策树 | 第15-16页 |
| ·启发式（信息熵） | 第16页 |
| ·决策树构建（工作）过程 | 第16-19页 |
| ·决策树剪枝 | 第19-20页 |
| ·决策树评价 | 第20-21页 |
| ·常用的清晰决策树算法 | 第21-26页 |
| ·ID3 算法 | 第21-23页 |
| ·C4.5 算法 | 第23-25页 |
| ·CART 算法 | 第25-26页 |
| ·常用的模糊决策树算法 | 第26-28页 |
| ·模糊集理论 | 第26-27页 |
| ·Fuzzy-ID3 算法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于分类不可指定性的清晰决策树算法 | 第29-43页 |
| ·基于分类不可指定性的模糊决策树算法 | 第30-31页 |
| ·基于分类不可指定性的清晰决策树算法 | 第31-42页 |
| ·属性选择原理 | 第31-35页 |
| ·算法描述 | 第35-36页 |
| ·算法示例 | 第36-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 与其他清晰决策树算法的比较 | 第43-50页 |
| ·实验比较 | 第43-46页 |
| ·实验设计 | 第43-44页 |
| ·实验结果 | 第44-45页 |
| ·实验分析 | 第45-46页 |
| ·启发式比较 | 第46-48页 |
| ·图形上的比较 | 第46-47页 |
| ·连续值条件下最优割点选择结果的比较 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第5章 结论与展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间取得的科研成果 | 第57页 |
