增量决策树中样例选择的影响与评价
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·研究内容 | 第12页 |
| ·论文组织 | 第12-13页 |
| 第2章 增量决策树介绍及其变化分析 | 第13-32页 |
| ·基础理论 | 第13-15页 |
| ·信息论原理 | 第13-14页 |
| ·增量学习技术 | 第14页 |
| ·朴素贝叶斯分类原理 | 第14-15页 |
| ·增量决策树学习算法简介 | 第15-21页 |
| ·ID3 算法简介 | 第15-17页 |
| ·ID3’算法简介 | 第17-18页 |
| ·ID4 算法简介 | 第18-19页 |
| ·ID5R 算法简介 | 第19-21页 |
| ·ITI 算法简介 | 第21页 |
| ·增量决策树的结构变化分析 | 第21-32页 |
| ·连续值属性时决策树的变化 | 第21-27页 |
| ·离散值属性时决策树的变化 | 第27-32页 |
| 第3章 基于增量决策树的主动学习 | 第32-48页 |
| ·主动学习的概念 | 第32-34页 |
| ·半监督学习与主动学习 | 第32-34页 |
| ·主动学习的基本过程 | 第34页 |
| ·主动学习的常见方法 | 第34-38页 |
| ·基于池的主动学习 | 第35-36页 |
| ·基于流的主动学习 | 第36页 |
| ·主动学习的算法示例 | 第36-38页 |
| ·增量决策树在主动学习中的应用 | 第38-41页 |
| ·算法设计思想 | 第38-40页 |
| ·基于增量决策树的样例选择算法 | 第40-41页 |
| ·有关实验与分析 | 第41-47页 |
| ·与随机选择样例的比较 | 第41-43页 |
| ·与其它主动学习方法的比较 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 总结与展望 | 第48-49页 |
| ·本文总结 | 第48页 |
| ·工作展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 攻读学位期间取得的科研成果 | 第53页 |
