一种基于影响因子的ID3改进算法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.3 论文主要研究内容 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 相关理论与技术 | 第17-28页 |
| 2.1 数据挖掘 | 第17-23页 |
| 2.1.1 数据挖掘的定义及其步骤 | 第17-19页 |
| 2.1.2 数据挖掘方法 | 第19页 |
| 2.1.3 数据挖掘的对象 | 第19-22页 |
| 2.1.4 数据挖掘所面临的挑战 | 第22-23页 |
| 2.2 分类方法 | 第23-27页 |
| 2.2.1 分类方法中的数据预处理 | 第23页 |
| 2.2.2 分类方法的比较标准 | 第23-24页 |
| 2.2.3 典型的分类方法 | 第24-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 基于影响因子的ID3改进算法 | 第28-41页 |
| 3.1 问题提出 | 第28-33页 |
| 3.2 基于影响因子的ID3算法 | 第33-40页 |
| 3.2.1 BAID3相关定义 | 第33-35页 |
| 3.2.2 改进的信息增益 | 第35-36页 |
| 3.2.3 基于误分类比的先剪枝策略 | 第36页 |
| 3.2.4 BAID3算法描述 | 第36-38页 |
| 3.2.5 BAID3算法应用举例 | 第38-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第4章 实验及结果分析 | 第41-47页 |
| 4.1 实验环境 | 第41页 |
| 4.2 分类准确率 | 第41-43页 |
| 4.3 决策树结构 | 第43-44页 |
| 4.4 算法执行效率 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第53-54页 |
| 致谢 | 第54页 |
