| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 引言 | 第14-23页 |
| 1.1 论文研究背景 | 第14-15页 |
| 1.2 研究目的及技术路线 | 第15-17页 |
| 1.3 相关技术简介 | 第17-22页 |
| 1.3.1 特征属性筛选技术 | 第17-20页 |
| 1.3.2 决策树分析技术 | 第20-22页 |
| 1.4 论文组织结构 | 第22页 |
| 1.5 本章小结 | 第22-23页 |
| 第二章 数据预处理过程 | 第23-31页 |
| 2.1 数据分类 | 第23页 |
| 2.2 实际数据可能存在的问题 | 第23-24页 |
| 2.3 数据预处理的主要任务 | 第24-26页 |
| 2.3.1 数据清洗 | 第24-25页 |
| 2.3.2 数据集成 | 第25页 |
| 2.3.3 数据转化 | 第25-26页 |
| 2.3.4 数据分割 | 第26页 |
| 2.4 实验数据的获得与处理 | 第26-29页 |
| 2.4.1 中医数据样本集 | 第26-28页 |
| 2.4.2 标准数据样本集 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于相关度信息的自适应属性筛选算法 | 第31-50页 |
| 3.1 属性筛选的概念 | 第31-33页 |
| 3.2 属性筛选的过程 | 第33-34页 |
| 3.2.1 确定搜索模式 | 第33页 |
| 3.2.2 搜索停止条件 | 第33页 |
| 3.2.3 属性搜索策略 | 第33-34页 |
| 3.2.4 属性筛选模型 | 第34页 |
| 3.3 基于相关度信息的属性筛选算法 | 第34-45页 |
| 3.3.1 属性间相关度的衡量方式 | 第34-36页 |
| 3.3.2 基于属性相关度信息的属性搜索方法 | 第36-39页 |
| 3.3.3 对属性组合的优劣性评定 | 第39-41页 |
| 3.3.4 自适应特征属性筛选器 | 第41-45页 |
| 3.4 实验分析 | 第45-48页 |
| 3.4.1 特征属性筛选率 | 第45-46页 |
| 3.4.2 对数据挖掘算法的积极作用 | 第46-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 结合属性筛选过程的决策树分析 | 第50-71页 |
| 4.1 决策树算法的基本理论 | 第50-51页 |
| 4.2 决策树模型的建模过程 | 第51-54页 |
| 4.2.1 决策树的生成过程 | 第51页 |
| 4.2.2 决策属性的选取标准 | 第51-54页 |
| 4.3 几种经典的决策树算法 | 第54-56页 |
| 4.3.1 ID3 算法 | 第54-55页 |
| 4.3.2 C4.5 算法 | 第55-56页 |
| 4.3.3 PUBLIC 算法 | 第56页 |
| 4.4 结合属性筛选过程的E-ID3 决策树分析 | 第56-63页 |
| 4.4.1 传统ID3 算法存在的不足 | 第56-58页 |
| 4.4.2 对ID3 算法的改进与优化 | 第58-62页 |
| 4.4.3 结合属性筛选器的决策树模型 | 第62-63页 |
| 4.5 E-ID3 算法的性能分析 | 第63-70页 |
| 4.5.1 实验数据 | 第64-65页 |
| 4.5.2 实验分析 | 第65-70页 |
| 4.6 本章小结 | 第70-71页 |
| 第五章 结合属性筛选的决策树分析在中医诊断中的应用 | 第71-81页 |
| 5.1 应用背景介绍 | 第71-72页 |
| 5.2 病例数据的获取及预处理 | 第72页 |
| 5.3 E-ID3 算法在肝硬化证候辨证上的应用 | 第72-80页 |
| 5.3.1 各症状体征属性的重要性评价 | 第72-74页 |
| 5.3.2 对病理症状体征属性进行筛选 | 第74-76页 |
| 5.3.3 基于E-ID3 决策树模型提取的辨证规则 | 第76-78页 |
| 5.3.4 辨证规则的有效性验证 | 第78-80页 |
| 5.4 本章小结 | 第80-81页 |
| 第六章 全文总结 | 第81-83页 |
| 6.1 主要结论 | 第81-82页 |
| 6.2 研究展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-88页 |
| 攻读硕士学位期间已发表或录用的论文 | 第88页 |