ID3算法的研究以及在成绩统计辅助决策系统中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-14页 |
| ·课题研究的背景 | 第12页 |
| ·课题研究的意义 | 第12-13页 |
| ·课题研究的创新 | 第13-14页 |
| 第二章 数据挖掘与知识发现 | 第14-23页 |
| ·数据挖掘的概念 | 第15-17页 |
| ·数据挖掘的定义 | 第15-16页 |
| ·数据挖掘与知识发现的联系与区别 | 第16-17页 |
| ·数据挖掘技术的算法 | 第17-18页 |
| ·数据挖掘的对象 | 第17页 |
| ·数据挖掘的相关办法 | 第17-18页 |
| ·数据挖掘的技术 | 第18-19页 |
| ·数据挖掘的步骤 | 第19-20页 |
| ·定义问题 | 第19页 |
| ·获取数据 | 第19页 |
| ·整理和初探数据 | 第19页 |
| ·选择和准备数据 | 第19-20页 |
| ·挖掘数据 | 第20页 |
| ·解释结果 | 第20页 |
| ·运用知识 | 第20页 |
| ·在应用中的问题 | 第20-21页 |
| ·数据质量 | 第20页 |
| ·数据可视化 | 第20-21页 |
| ·极大数据库的问题 | 第21页 |
| ·性能和成本 | 第21页 |
| ·数据挖掘的发展趋势 | 第21-23页 |
| ·新决策支持系统 | 第21-22页 |
| ·商业智能和知识管理 | 第22-23页 |
| 第三章 数据挖掘中的决策树算法 | 第23-28页 |
| ·决策树分类算法的国内外研究现状 | 第23页 |
| ·决策树分类算法 | 第23-25页 |
| ·决策树算法的涵义 | 第23-24页 |
| ·决策树的构造 | 第24-25页 |
| ·决策树的优劣 | 第25页 |
| ·几种常用的决策树算法 | 第25-28页 |
| ·ID3 算法 | 第25-26页 |
| ·C4.5 算法 | 第26页 |
| ·IBLE 算法 | 第26-27页 |
| ·CART 算法 | 第27-28页 |
| 第四章 ID3 算法 | 第28-38页 |
| ·ID3 算法的理论基础—信息论 | 第28-31页 |
| ·ID3 算法的基本思想 | 第31-33页 |
| ·ID3 算法描述 | 第33-34页 |
| ·ID3 算法实例 | 第34-37页 |
| ·ID3 算法的优劣 | 第37-38页 |
| 第五章 基于 ID3 算法的改进 | 第38-47页 |
| ·算法的基本思想 | 第38-39页 |
| ·算法描述 | 第39页 |
| ·样例测试 | 第39-44页 |
| ·测试结果分析与评价 | 第44-45页 |
| ·改进算法对于实现成绩统计辅助决策的意义 | 第45-47页 |
| 第六章 成绩统计辅助决策信息系统的研究及设计 | 第47-55页 |
| ·系统的需求 | 第47页 |
| ·系统的设计原则 | 第47页 |
| ·实现环境 | 第47-48页 |
| ·系统流程图 | 第48-49页 |
| ·系统的模块构成 | 第49-51页 |
| ·系统的主要功能函数的实现 | 第51-55页 |
| 第七章 总结与展望 | 第55-57页 |
| ·本文总结 | 第55页 |
| ·工作展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |
