| 第一章 数据挖掘的分类算法 | 第1-24页 |
| 1．1 数据挖掘概述 | 第7-20页 |
| 1．1．1 基本术语 | 第7页 |
| 1．1．2 背景概述 | 第7-8页 |
| 1．1．3 数据挖掘 | 第8页 |
| 1．1．4 数据挖掘的任务及其模型 | 第8-10页 |
| 1．1．5 数据挖掘的可在何种数据上进行 | 第10-13页 |
| 1．1．6 数据挖掘的应用 | 第13-14页 |
| 1．1．7 数据挖掘的软件的发展 | 第14-17页 |
| 1．1．8 数据挖掘的现状 | 第17-18页 |
| 1．1．9 数据挖掘的主要问题 | 第18-20页 |
| 1．1．10 数据挖掘的未来发展 | 第20页 |
| 1．2 分类算法 | 第20-24页 |
| 1．2．1 分类算法概述 | 第20-21页 |
| 1．2．2 分类的主要方法 | 第21-22页 |
| 1．2．3 分类的比较和评估 | 第22页 |
| 1．2．4 举例说明分类的过程 | 第22-24页 |
| 第二章 项目背景：军事交通运输系统 | 第24-31页 |
| 2．1 军事交通运输系统简介 | 第24页 |
| 2．2 军事交通运输系统的体系结构 | 第24-27页 |
| 2．3 军事交通运输系统的主要特点 | 第27-29页 |
| 2．4 车辆管理分系统简介及主要功能 | 第29-30页 |
| 2．5 我的主要工作 | 第30-31页 |
| 第三章 决策树算法及评估 | 第31-37页 |
| 3．1 用决策树进行分类 | 第31-35页 |
| 3．1．1 什么是决策树 | 第31页 |
| 3．1．2 决策树的生成算法 | 第31-35页 |
| 3．1．2．1 数据预处理 | 第32页 |
| 3．1．2．2 建树算法 | 第32-34页 |
| 3．1．2．3 剪枝 | 第34-35页 |
| 3．1．3 决策树的优点 | 第35页 |
| 3．1．4 一般决策树的劣势 | 第35页 |
| 3．2 评估决策树算法准确率的方法 | 第35-37页 |
| 3．2．1 为什么要进行准确率评估 | 第35页 |
| 3．2．2 准确率评估的几种方法 | 第35-37页 |
| 3．2．2．1 保持（holdout）方法 | 第35-36页 |
| 3．2．2．2 k-折交叉确认（k-foldcross-validation）方法 | 第36-37页 |
| 第四章 决策树算法在本系统中的实现及改进 | 第37-49页 |
| 4．1 决策树算法在本系统中的实现 | 第37-41页 |
| 4．1．1 系统设计的总体思路 | 第37页 |
| 4．1．2 系统设计的实现 | 第37-39页 |
| 4．1．3 系统的应用及总体评估 | 第39-41页 |
| 4．2 决策树算法在本系统中的改进 | 第41-43页 |
| 4．2．1 对决策树中终止条件的进一步分析 | 第41页 |
| 4．2．2 利用信息增益（Information Gain）科学地分裂离散属性 | 第41-42页 |
| 4．2．3 设置规则正确率提高判断准确率 | 第42-43页 |
| 4．3 决策树算法源代码 | 第43-49页 |
| 第五章 结束语 | 第49页 |
| 感谢 | 第49-50页 |
| 参考文献 | 第50页 |