| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 前言 | 第10-15页 |
| ·研究的背景及意义 | 第10页 |
| ·国内外研究现状 | 第10-13页 |
| ·决策树研究现状 | 第10-13页 |
| ·粗糙集属性约简的研究现状 | 第13页 |
| ·研究内容 | 第13-14页 |
| ·组织结构 | 第14-15页 |
| 第二章 数据分类与粗糙集的相关理论知识 | 第15-24页 |
| ·数据挖掘的概念与技术 | 第15页 |
| ·数据分类及其标准 | 第15-16页 |
| ·常用的分类算法 | 第16-21页 |
| ·贝叶斯分类 | 第16-17页 |
| ·神经网络分类 | 第17页 |
| ·决策树算法 | 第17-21页 |
| ·小结 | 第21页 |
| ·粗糙集理论的相关知识 | 第21-23页 |
| ·粗糙集的相关概念 | 第21-22页 |
| ·粗糙集理论的应用 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于依赖度的改进的属性约简方法 | 第24-31页 |
| ·常用的属性约简算法 | 第24-26页 |
| ·基于区分矩阵的方法 | 第24页 |
| ·基于信息熵的属性约简方法 | 第24-25页 |
| ·一般的约简方法 | 第25-26页 |
| ·基于依赖度的改进的约简方法 | 第26-30页 |
| ·算法分析 | 第26-27页 |
| ·实验分析 | 第27-29页 |
| ·应用实例 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 决策树剪枝算法 | 第31-45页 |
| ·引言 | 第31页 |
| ·预剪枝算法与EBP剪枝算法介绍 | 第31-34页 |
| ·预剪枝算法 | 第31-32页 |
| ·EBP剪枝算法 | 第32-34页 |
| ·拉普拉斯矫正 | 第34-36页 |
| ·改进的剪枝算法PAPP(Pre And Post Pruning-PAPP) | 第36-41页 |
| ·实验结果分析 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 改进算法在医院管理分析系统中的应用 | 第45-50页 |
| ·引言 | 第45页 |
| ·应用描述 | 第45-46页 |
| ·实现过程 | 第46-48页 |
| ·结果分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 结论与展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·存在的问题 | 第50-51页 |
| ·下一步工作方向 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 硕士学位期间发表的学术论文 | 第58-59页 |
| 硕士学位期间参与的科研项目 | 第59页 |