数据挖掘决策树分类算法的研究与应用
| 内容提要 | 第1-7页 |
| 第1章 绪论 | 第7-9页 |
| ·研究的背景与意义 | 第7页 |
| ·国内外研究现状 | 第7-8页 |
| ·课题主要研究内容和成果 | 第8页 |
| ·本文组织结构 | 第8-9页 |
| 第2章 数据挖掘理论与分类方法研究 | 第9-19页 |
| ·数据挖掘的概念 | 第9页 |
| ·数据挖掘的主要任务和方法 | 第9-12页 |
| ·数据挖掘工具的评价标准 | 第12-13页 |
| ·数据挖掘中的分类方法概述 | 第13页 |
| ·分类的基本技术 | 第13-15页 |
| ·几种典型的分类算法研究 | 第15-17页 |
| ·决策树分类算法 | 第15页 |
| ·遗传算法 | 第15页 |
| ·神经网络方法 | 第15页 |
| ·K-最近邻分类算法 | 第15-17页 |
| ·分类技术在疾病防控与儿童免疫系统中的应用举例 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第3章 决策树分类算法的研究及实现和改进 | 第19-40页 |
| ·决策树分类算法 | 第19-20页 |
| ·典型的决策树算法 | 第20-32页 |
| ·ID3算法 | 第20-25页 |
| ·C4.5算法 | 第25-27页 |
| ·CART算法 | 第27-28页 |
| ·PUBLIC算法 | 第28-30页 |
| ·基于人机交互的方法 | 第30页 |
| ·SLIQ算法 | 第30-31页 |
| ·SPRINT算法 | 第31页 |
| ·IBLE算法 | 第31-32页 |
| ·决策树的构造、简化 | 第32页 |
| ·树剪枝算法 | 第32-35页 |
| ·前期剪枝 | 第33页 |
| ·后期剪枝 | 第33-34页 |
| ·对树进行修剪优化时应遵循的原则 | 第34-35页 |
| ·对决策树算法的讨论 | 第35-36页 |
| ·决策树算法的比较 | 第35页 |
| ·决策树的优劣 | 第35-36页 |
| ·算法的改进及在实际中的应用 | 第36-39页 |
| ·系统涉及的关键技术 | 第36-38页 |
| ·算法的具体实现 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 决策树分类算法的应用及分析 | 第40-50页 |
| ·疾病防控与儿童免疫管理系统介绍 | 第40-41页 |
| ·系统的体系结构 | 第41-42页 |
| ·疾病防控与儿童免疫管理系统的现状及发展趋势 | 第42-43页 |
| ·技术现状 | 第42页 |
| ·技术发展趋势 | 第42-43页 |
| ·决策支持子系统的开发过程 | 第43-49页 |
| ·数据选取和数据预处理 | 第43-44页 |
| ·决策树生成 | 第44-46页 |
| ·决策规则的产生 | 第46-48页 |
| ·决策支持子系统的分析 | 第48页 |
| ·决策支持子系统的不足及进一步改进工作 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 摘要 | 第53-55页 |
| ABSTRACT | 第55-57页 |
| 致谢 | 第57页 |
