| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 导论 | 第12-21页 |
| ·数据挖掘概述 | 第12-13页 |
| ·数据挖掘的概念 | 第12页 |
| ·数据挖掘的对象 | 第12页 |
| ·数据挖掘方法的类型 | 第12-13页 |
| ·分类挖掘方法概述 | 第13-19页 |
| ·引言 | 第14页 |
| ·典型的分类挖掘方法 | 第14-18页 |
| ·分类挖掘面临的问题 | 第18-19页 |
| ·本文的课题来源和内容安排 | 第19-20页 |
| ·本文的课题来源 | 第19页 |
| ·本文的内容安排 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第二章 基于决策树的分类技术 | 第21-36页 |
| ·决策树技术概述 | 第21-23页 |
| ·决策树描述 | 第21页 |
| ·决策树的生成过程 | 第21-22页 |
| ·决策树的评价指标 | 第22-23页 |
| ·典型的决策树属性选择方法的类型 | 第23-31页 |
| ·以信息嫡为基础的分类方法 | 第23-25页 |
| ·以吉尼指标为基础的分类方法 | 第25-29页 |
| ·以编码形式为基础的分类方法 | 第29-30页 |
| ·典型决策树方法的特点比较 | 第30-31页 |
| ·决策树分类技术的优化研究 | 第31-35页 |
| ·优化研究的必要性 | 第31页 |
| ·几类典型的优化方法 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 基于粗集的决策树生成算法研究 | 第36-49页 |
| ·粗糙集理论概述 | 第36-37页 |
| ·粗糙集理论的基本概念 | 第36-37页 |
| ·粗糙集理论的特点 | 第37页 |
| ·基于粗糙集的决策树经典算法及分析 | 第37-39页 |
| ·HACRs算法 | 第38页 |
| ·基于粗糙集的多变量决策树构造算法 | 第38-39页 |
| ·基于知识粗糙度度量的决策树构造算法 KRD | 第39-41页 |
| ·相关定义 | 第39-40页 |
| ·KRD算法描述 | 第40页 |
| ·实验分析 | 第40-41页 |
| ·混合变量决策树构造算法KRDH | 第41-48页 |
| ·混合变量决策树的定义 | 第41页 |
| ·KRDH算法描述 | 第41-42页 |
| ·实例 | 第42-47页 |
| ·实验分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 决策树的剪枝方法探索 | 第49-56页 |
| ·引言 | 第49-52页 |
| ·分类中的过拟合问题 | 第49-51页 |
| ·过拟合产生的原因 | 第51页 |
| ·过拟合解决的方法 | 第51-52页 |
| ·决策树剪枝方法 | 第52-54页 |
| ·预剪枝法概述 | 第52页 |
| ·基于Pawlak粗糙集理论的决策树生成算法的缺陷 | 第52页 |
| ·一种基于统计阈值的决策树剪枝算法 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·工作总结 | 第56页 |
| ·工作展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 研究生期间主要科研工作及成果 | 第63页 |