基于决策树的数据挖掘算法的技术研究
| 第一章 引言 | 第1-11页 |
| ·课题目的和意义 | 第7-8页 |
| ·国际国内研究现状及进展 | 第8-11页 |
| 第二章 数据挖掘理论研究 | 第11-31页 |
| ·数据挖掘定义和三大技术支柱 | 第11-12页 |
| ·数据挖掘分类 | 第12页 |
| ·数据挖掘方法简介 | 第12-18页 |
| ·数据挖掘所能发现的知识 | 第18-19页 |
| ·数据挖掘中常用的技术 | 第19-22页 |
| ·衡量数据挖掘算法的标准 | 第22-23页 |
| ·数据挖掘过程 | 第23-24页 |
| ·典型的数据挖掘系统体系构成 | 第24-25页 |
| ·数据挖掘相关概念 | 第25-29页 |
| ·数据仓库 | 第26-27页 |
| ·知识发现 | 第27-28页 |
| ·决策支持系统和联机分析处理 | 第28-29页 |
| ·数据挖掘在行业中的应用 | 第29-31页 |
| 第三章 决策树算法研究 | 第31-41页 |
| ·分类算法 | 第31-32页 |
| ·归纳学习 | 第32-33页 |
| ·决策树学习算法 | 第33-41页 |
| ·决策树描述 | 第33-34页 |
| ·决策树的类型 | 第34-35页 |
| ·决策树的生成过程 | 第35-36页 |
| ·决策树的构造算法描述 | 第36页 |
| ·决策树评价指标 | 第36-38页 |
| ·决策树的简化方法 | 第38-40页 |
| ·决策树讨论 | 第40-41页 |
| 第四章 ID3算法分析和改进ID3算法理论研究 | 第41-73页 |
| ·CLS学习算法 | 第42-43页 |
| ·信息论简介 | 第43-45页 |
| ·熵的理论 | 第43-44页 |
| ·信息论简介 | 第44-45页 |
| ·信息论在决策树学习中的意义及应用 | 第45-47页 |
| ·传统ID3学习算法 | 第47-50页 |
| ·传统ID3算法基本原理 | 第47-48页 |
| ·ID3算法数学模型 | 第48-50页 |
| ·ID3算法优劣分析 | 第50页 |
| ·其它改进ID3算法介绍 | 第50-54页 |
| ·C4.5算法简介 | 第54-55页 |
| ·改进ID3算法理论研究 | 第55-59页 |
| ·基本思路 | 第55-57页 |
| ·BID3算法描述 | 第57-58页 |
| ·BID3算法与ID3算法的比较 | 第58-59页 |
| ·传统ID3算法及BID3算法应用举例 | 第59-73页 |
| ·ID3算法实例 | 第60-66页 |
| ·BID3算法实例子 | 第66-72页 |
| ·结果比较分析 | 第72-73页 |
| 第五章 基于条件概率的决策树算法 | 第73-80页 |
| ·条件概率决策树算法理论分析 | 第73页 |
| ·基于条件概率算法的决策树构造实例 | 第73-78页 |
| ·条件概率决策树算法与ID3算法的比较 | 第78-80页 |
| 第六章 数据挖掘实验系统设计实现 | 第80-94页 |
| ·系统需求分析 | 第80页 |
| ·系统实现环境 | 第80页 |
| ·系统流程图 | 第80-82页 |
| ·系统模块构成 | 第82-84页 |
| ·系统用户界面设计 | 第84页 |
| ·系统数据结构设计与实现 | 第84-91页 |
| ·数据预处理 | 第84-86页 |
| ·数据结构设计及功能函数实现 | 第86-91页 |
| ·系统关键技术分析 | 第91页 |
| ·系统规则分析与结论及对今后工作展望 | 第91-94页 |
| 参考文献 | 第94-97页 |
| 攻读硕士学位期间研究成果及发表的学术论文 | 第97-98页 |
| 致谢 | 第98页 |
