决策树算法在高校研究生就业信息库中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-14页 |
| ·选题背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·本文的研究内容及研究方法 | 第12-14页 |
| ·本文的研究内容 | 第12-13页 |
| ·本文的研究方法 | 第13-14页 |
| 第二章 数据挖掘及决策树分类 | 第14-26页 |
| ·数据挖掘技术 | 第14-17页 |
| ·数据挖掘的过程 | 第14-15页 |
| ·数据挖掘的主要任务 | 第15-16页 |
| ·分类发现 | 第16-17页 |
| ·决策树分类 | 第17-19页 |
| ·决策树的生成 | 第17-18页 |
| ·决策树的剪枝 | 第18-19页 |
| ·几种常见的决策树算法 | 第19-24页 |
| ·ID3算法 | 第19-21页 |
| ·C4.5算法 | 第21-22页 |
| ·CART算法 | 第22-23页 |
| ·SLIQ算法 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 决策树算法的优化研究 | 第26-41页 |
| ·属性值空缺的优化 | 第26-27页 |
| ·连续值属性的离散化 | 第27-28页 |
| ·基于粗糙集理论的属性约减算法 | 第28-30页 |
| ·属性选择标准的优化——简化熵 | 第30-33页 |
| ·优化的理论基础 | 第31-32页 |
| ·属性选择标准优化 | 第32-33页 |
| ·克服属性选择的多值偏向优化 | 第33-36页 |
| ·基于修正函数的算法 | 第34-35页 |
| ·加权简化熵算法 | 第35页 |
| ·基于用户兴趣度的简化熵算法 | 第35-36页 |
| ·实例比较验证 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 研究生数据仓库的构建 | 第41-49页 |
| ·研究生就业数据仓库的构建过程 | 第41-47页 |
| ·就业分析主题 | 第42页 |
| ·数据源分析 | 第42-43页 |
| ·数据预处理 | 第43-44页 |
| ·数据建模 | 第44页 |
| ·就业分析的星型模式设计 | 第44-47页 |
| ·数据仓库与决策树算法的集成 | 第47页 |
| ·本章小结 | 第47-49页 |
| 第五章 新算法在研究生数据仓库中的应用 | 第49-60页 |
| ·改进决策树算法的设计与实现 | 第49-50页 |
| ·决策树算法在数据仓库中的流程设计 | 第50页 |
| ·决策树算法的数据源 | 第50-52页 |
| ·开发运行环境 | 第52页 |
| ·用户界面设计 | 第52-53页 |
| ·功能函数实现及系统执行界面 | 第53-57页 |
| ·功能函数实现 | 第53-55页 |
| ·系统执行界面 | 第55-57页 |
| ·分类规则提取 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 攻读硕士学位期间发表的论文 | 第64页 |
