基于多分类器融合的数据挖掘分类算法研究与应用
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·研究背景及意义 | 第7-9页 |
| ·研究背景 | 第7-8页 |
| ·课题来源及研究对象 | 第8页 |
| ·研究意义和目标 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·数据挖掘分类算法的研究现状 | 第9-10页 |
| ·多分类器融合的研究现状 | 第10-11页 |
| ·研究内容和组织结构 | 第11-12页 |
| 2 分类挖掘与多分类器融合 | 第12-25页 |
| ·数据挖掘 | 第12-16页 |
| ·数据挖掘的定义 | 第12-13页 |
| ·数据挖掘的过程 | 第13-15页 |
| ·数据挖掘的任务 | 第15-16页 |
| ·数据挖掘的分类器 | 第16-19页 |
| ·分类的概念 | 第16页 |
| ·分类器的构造方法 | 第16-18页 |
| ·分类器的评价和比较 | 第18-19页 |
| ·多分类器融合 | 第19-24页 |
| ·多分类器融合概述 | 第19-22页 |
| ·融合的有效性问题 | 第22页 |
| ·多分类器融合的方法 | 第22-24页 |
| ·本章小节 | 第24-25页 |
| 3 基于多分类器融合的分类算法研究 | 第25-39页 |
| ·AdaBoost 算法 | 第25-28页 |
| ·AdaBoost 算法概述 | 第25-26页 |
| ·AdaBoost 算法原理 | 第26-27页 |
| ·AdaBoost 算法分析 | 第27-28页 |
| ·神经网络分类器 | 第28-33页 |
| ·神经网络分类器概述 | 第28-29页 |
| ·BP 神经网络及其学习算法 | 第29-33页 |
| ·基于AdaBoost 的神经网络融合 | 第33-38页 |
| ·设计思想 | 第33-35页 |
| ·算法描述 | 第35-38页 |
| ·本章小节 | 第38-39页 |
| 4 多分类器融合在学生信用分类的应用 | 第39-54页 |
| ·基于多分类器融合的学生信用分类模型 | 第39-44页 |
| ·学生信用分类及数据选取 | 第39-41页 |
| ·分类挖掘的数据预处理 | 第41页 |
| ·学生信用分类模型的建立 | 第41-43页 |
| ·仿真实验及结果分析 | 第43-44页 |
| ·学生信用分类模块的设计与实现 | 第44-53页 |
| ·学生信用系统概述 | 第44-47页 |
| ·学生信用分类模块的设计 | 第47-51页 |
| ·学生信用分类模块的软件实现 | 第51-53页 |
| ·本章小节 | 第53-54页 |
| 5 总结 | 第54-56页 |
| ·工作总结 | 第54页 |
| ·研究展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60页 |
