决策树优化算法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 前言 | 第11-20页 |
| ·课题研究的背景与意义 | 第11-13页 |
| ·国内外研究现状 | 第13-17页 |
| ·本文的研究内容 | 第17-18页 |
| ·本文的组织 | 第18-20页 |
| 第2章 分类数据挖掘及其决策树分类方法 | 第20-35页 |
| ·数据挖掘及其分类的相关基本概念 | 第20-22页 |
| ·数据挖掘定义 | 第20-21页 |
| ·分类的概念 | 第21-22页 |
| ·决策树定义及特点 | 第22-24页 |
| ·决策树算法的主要研究内容 | 第24-28页 |
| ·数据预处理技术 | 第24-25页 |
| ·测试属性的选择标准 | 第25-26页 |
| ·决策树的修剪技术 | 第26-28页 |
| ·性能评价 | 第28页 |
| ·几种典型的决策树生成算法 | 第28-34页 |
| ·CLS学习算法 | 第28-30页 |
| ·ID3算法 | 第30-32页 |
| ·C4.5算法 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 样本筛选技术研究 | 第35-43页 |
| ·引言 | 第35-36页 |
| ·重复剪辑近邻法的基本原理 | 第36-37页 |
| ·剪辑近邻法 | 第36-37页 |
| ·重复剪辑近邻法 | 第37页 |
| ·引入拒绝阀值的重复剪辑近邻法研究 | 第37-39页 |
| ·引入拒绝阀值的重复剪辑近邻法的算法描述 | 第38-39页 |
| ·引入拒绝阀值的重复剪辑近邻法的理论分析 | 第39页 |
| ·仿真实验 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于修正系数的决策树分类算法研究 | 第43-58页 |
| ·引言 | 第43页 |
| ·测试属性的选择算法 | 第43-52页 |
| ·任意选择法 | 第44-45页 |
| ·类别信息增益法 | 第45-47页 |
| ·信息增益比率法 | 第47-48页 |
| ·Gini索引标准 | 第48-49页 |
| ·x~2统计标准 | 第49-51页 |
| ·引入用户兴趣度的属性选择标准 | 第51-52页 |
| ·基于修正系数的测试属性选择标准 | 第52-54页 |
| ·基于修正系数的决策树算法的伪代码 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 组合优化决策树算法研究 | 第58-66页 |
| ·引言 | 第58-59页 |
| ·样本筛选算法改进 | 第59-60页 |
| ·决策树测试属性选择标准的改进 | 第60页 |
| ·组合优化决策树算法的步骤 | 第60-61页 |
| ·组合优化决策树算法的仿真实验 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 论文总结 | 第66-67页 |
| 对未来研究的展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间发表的论文 | 第72页 |
