基于数据挖掘的决策树技术在绩效考评中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·选题背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文研究内容 | 第12页 |
| ·本文组织结构 | 第12-14页 |
| 第二章 数据挖掘相关理论 | 第14-22页 |
| ·数据挖掘的定义 | 第14-16页 |
| ·数据挖掘体系结构 | 第16-17页 |
| ·数据挖掘的详细过程 | 第17-19页 |
| ·数据挖掘的算法 | 第19-21页 |
| 本章小结 | 第21-22页 |
| 第三章 决策树算法研究 | 第22-36页 |
| ·分类挖掘及其应用 | 第22-28页 |
| ·分类基本概念 | 第22-23页 |
| ·常用的分类挖掘算法 | 第23-26页 |
| ·分类算法评估及比较 | 第26-28页 |
| ·本文采用的分类挖掘算法 | 第28页 |
| ·基于决策树的分类算法 | 第28-31页 |
| ·决策树基本概念 | 第29页 |
| ·决策树的类型 | 第29-30页 |
| ·决策树的构造过程 | 第30-31页 |
| ·常见的决策树算法 | 第31-34页 |
| ·ID3算法简述 | 第31页 |
| ·C4.5算法简述 | 第31页 |
| ·CART算法简述 | 第31-32页 |
| ·SLIQ算法简述 | 第32页 |
| ·SPRINT算法简述 | 第32-33页 |
| ·PUBLIC算法简述 | 第33页 |
| ·算法优缺点对比 | 第33-34页 |
| ·决策树的评价指标 | 第34页 |
| ·本文采用的决策树算法 | 第34-35页 |
| 本章小结 | 第35-36页 |
| 第四章 决策树ID3算法的分析与优化 | 第36-50页 |
| ·ID3算法原理 | 第36-40页 |
| ·ID3算法的分支策略 | 第36-38页 |
| ·ID3决策树构造过程 | 第38-40页 |
| ·ID3算法的优缺点 | 第40页 |
| ·改进的ID3算法 | 第40-45页 |
| ·ID3算法的改进 | 第40-41页 |
| ·改进ID3算法的简化 | 第41-44页 |
| ·改进ID3算法的步骤 | 第44-45页 |
| ·算法实验分析 | 第45-49页 |
| 本章小结 | 第49-50页 |
| 第五章 基于决策树ID3改进算法的绩效考评系统 | 第50-62页 |
| ·确定挖掘对象及目标 | 第50页 |
| ·数据采集 | 第50-52页 |
| ·数据预处理 | 第52-56页 |
| ·使用ID3改进算法构造决策树 | 第56-61页 |
| 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66页 |
