决策树中基于贝叶斯定理提取异常规则
| 第1章 数据挖掘技术概述 | 第1-18页 |
| ·数据挖掘的主要任务 | 第9-11页 |
| ·数据挖掘的概念 | 第9页 |
| ·数据挖掘的研究内容 | 第9-11页 |
| ·数据挖掘的功能与分类概述 | 第11-18页 |
| ·数据挖据的主要功能 | 第11-13页 |
| ·分类 | 第13-18页 |
| 第2章 决策树 | 第18-26页 |
| ·决策树概述 | 第18-19页 |
| ·决策树的概念 | 第18-19页 |
| ·分类的概念 | 第19页 |
| ·决策树生成算法 | 第19-24页 |
| ·建树算法 | 第19-23页 |
| ·树的剪枝 | 第23-24页 |
| ·决策树的优点 | 第24-26页 |
| ·决策树的优点 | 第24-25页 |
| ·一般决策树的劣势 | 第25-26页 |
| 第3章 决策树尺寸约束 | 第26-31页 |
| ·决策树叶子节点的类别 | 第26-28页 |
| ·有效性检查和大多数检查 | 第26-27页 |
| ·叶子节点的类别 | 第27-28页 |
| ·预剪枝算法 | 第28-31页 |
| ·传统剪枝算法存在的问题 | 第28页 |
| ·树的编码策略 | 第28-29页 |
| ·MDL剪枝方法 | 第29页 |
| ·新的方案 | 第29-31页 |
| 第4章 异常规则的提取 | 第31-48页 |
| ·异常规则的相关概念 | 第31-32页 |
| ·差异性标准 | 第31页 |
| ·异常规则 | 第31-32页 |
| ·贝叶斯分类方法 | 第32-34页 |
| ·贝叶斯定理 | 第32-33页 |
| ·贝叶斯分类方法原理 | 第33-34页 |
| ·产生异常规则 | 第34-36页 |
| ·异常规则的产生原理 | 第34-35页 |
| ·异常规则运算的简化方法 | 第35-36页 |
| ·启发式方法抽取异常规则 | 第36-48页 |
| ·包含规则与冗余规则 | 第36-37页 |
| ·异常比值表ERT与异常比值表组ERTG | 第37-41页 |
| ·算法Merge() | 第41-44页 |
| ·异常规则的提取 | 第44页 |
| ·生成决策树的完整算法Gen＿DT＿ER() | 第44-48页 |
| 第5章 实验分析 | 第48-52页 |
| 第6章 总结 | 第52-54页 |
| 致谢 | 第54-55页 |
| 在学期间发表的学术论文 | 第55-56页 |
| 参考文献 | 第56-58页 |
