基于程序演化的决策树算法优化研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·引言 | 第9-10页 |
| ·研究背景及国内外研究动态 | 第10-15页 |
| ·数据挖掘技术 | 第10-11页 |
| ·数据分类 | 第11-12页 |
| ·决策树分类算法 | 第12-14页 |
| ·程序演化 | 第14-15页 |
| ·论文的主要工作 | 第15页 |
| ·论文的结构 | 第15-17页 |
| 第二章 程序演化及类 Haskell 描述语言 | 第17-27页 |
| ·程序演化 | 第17-18页 |
| ·类Haskell描述语言 | 第18-25页 |
| ·Haskell语言简介 | 第18-20页 |
| ·基本语法 | 第20-25页 |
| ·Homomorphisms结构 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第三章 ID3 决策树算法的规范描述 | 第27-38页 |
| ·ID3决策树算法 | 第27-30页 |
| ·数据结构描述 | 第30-32页 |
| ·ID3算法的Homomorphisms描述 | 第32-37页 |
| ·决策树构造函数的描述 | 第32-33页 |
| ·样本分类判别函数的描述 | 第33页 |
| ·最大信息增益值属性选择函数描述 | 第33-35页 |
| ·数据集划分函数的描述 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第四章 新的高效决策树算法的演化 | 第38-60页 |
| ·程序演化策略 | 第38-39页 |
| ·Fusion演化策略 | 第38页 |
| ·Tupling演化策略 | 第38-39页 |
| ·基于样本分布元组的决策树构造函数演化 | 第39-44页 |
| ·样本分类判别函数的演化 | 第40-41页 |
| ·样本划分函数的推导 | 第41-43页 |
| ·新的基于样本分布元组的决策树构造函数 | 第43-44页 |
| ·基于样本分布树的决策树构造函数演化 | 第44-55页 |
| ·样本分布树的构造及描述 | 第44-45页 |
| ·样本划分函数的演化 | 第45-47页 |
| ·分布节点提升函数的构造 | 第47-51页 |
| ·基于样本分布树的决策树函数 | 第51-55页 |
| ·试验及分析 | 第55-59页 |
| ·新算法的正确性分析 | 第55-56页 |
| ·试验数据及描述 | 第56-58页 |
| ·试验结果及分析 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-63页 |
| ·总结 | 第60页 |
| ·展望 | 第60-63页 |
| ·连续属性值的高效决策树研究 | 第60-61页 |
| ·并行决策树算法研究 | 第61页 |
| ·基于决策树的增量挖掘算法研究 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 附录 A（攻读学位期间发表论文目录） | 第68页 |
