基于粗糙集的决策树分类算法研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 第一章 绪论 | 第6-10页 |
| ·选题背景和意义 | 第6-7页 |
| ·决策树技术及粗糙集理论的研究现状 | 第7-9页 |
| ·决策树算法的研究现状 | 第7-8页 |
| ·粗糙集理论的研究现状 | 第8-9页 |
| ·本文研究内容 | 第9页 |
| ·本文的结构 | 第9-10页 |
| 第二章 决策树算法的分析与研究 | 第10-19页 |
| ·决策树算法的基本理论 | 第10-14页 |
| ·决策树的主要生成过程 | 第10-11页 |
| ·决策树算法的主要研究内容 | 第11-13页 |
| ·决策树的评价指标 | 第13-14页 |
| ·典型决策树算法的分析比较 | 第14-18页 |
| ·ID3 算法 | 第14-15页 |
| ·C4.5 算法 | 第15-17页 |
| ·其他方法 | 第17页 |
| ·几种算法的评价 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 粗糙集理论 | 第19-24页 |
| ·粗糙集简介 | 第19页 |
| ·粗糙集的基本概念 | 第19-22页 |
| ·知识的形式化定义 | 第19-20页 |
| ·等价关系与粗糙集合 | 第20页 |
| ·知识的粒度 | 第20-21页 |
| ·知识的简化和核 | 第21页 |
| ·知识的相对简化和相对核 | 第21页 |
| ·知识的依赖性 | 第21-22页 |
| ·知识表达系统 | 第22页 |
| ·决策信息系统 | 第22页 |
| ·粗糙集理论的特点及应用 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第四章 连续属性离散化研究 | 第24-32页 |
| ·离散化问题的描述 | 第24页 |
| ·离散化算法的评价标准 | 第24-25页 |
| ·一种基于决策表的参照性离散化算法Ⅰ | 第25-27页 |
| ·算法Ⅰ描述 | 第25页 |
| ·算法Ⅰ分析 | 第25-27页 |
| ·基于信息熵的离散化算法Ⅱ | 第27-31页 |
| ·几个基本概念 | 第27-29页 |
| ·算法Ⅱ描述 | 第29页 |
| ·算法Ⅱ分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第五章 基于粗糙集的决策树生成算法研究 | 第32-44页 |
| ·问题的背景 | 第32页 |
| ·条件属性的约简 | 第32-36页 |
| ·几个基本概念 | 第33页 |
| ·启发式相对较优约简算法描述 | 第33-34页 |
| ·算法实例分析 | 第34-36页 |
| ·基于分辨矩阵的单变量决策树生成算法SDTA | 第36-40页 |
| ·SDTA 算法描述 | 第36页 |
| ·SDTA 算法分析与比较 | 第36-40页 |
| ·SDTA 算法实例分析 | 第36-39页 |
| ·用ID3 算法构造决策树 | 第39-40页 |
| ·基于分辨矩阵的混合变量决策树生成算法HDTA | 第40-42页 |
| ·混合变量决策树的概念 | 第40页 |
| ·混合变量决策树生成算法HDTA 描述 | 第40-41页 |
| ·HDTA 算法分析与比较 | 第41-42页 |
| ·实验分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第六章 总结 | 第44-46页 |
| ·本文主要工作 | 第44页 |
| ·工作展望 | 第44-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48-49页 |
| 研究生期间主要发表论文 | 第49-50页 |
