| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 引言 | 第9-16页 |
| 1.1 选题背景及意义 | 第9页 |
| 1.2 国内外研究动态 | 第9-12页 |
| 1.2.1 决策树研究历史与动态 | 第9-11页 |
| 1.2.2 粗糙集理论的发展过程 | 第11-12页 |
| 1.3 粗糙集与决策树技术二者相结合的探究 | 第12-13页 |
| 1.4 分类综述 | 第13-15页 |
| 1.4.1 分类的定义 | 第13-14页 |
| 1.4.2 分类的主要算法 | 第14-15页 |
| 1.5 本文的主要研究内容和结构 | 第15-16页 |
| 第2章 决策树方法介绍 | 第16-30页 |
| 2.1 决策树基本概念介绍 | 第16-17页 |
| 2.2 决策树分类 | 第17页 |
| 2.3 决策树算法的主要过程 | 第17-18页 |
| 2.4 决策树的生长 | 第18-19页 |
| 2.5 决策树的剪枝 | 第19-23页 |
| 2.5.1 决策树预剪枝技术 | 第20页 |
| 2.5.2 决策树后剪枝 | 第20-23页 |
| 2.6 决策树的性能评价 | 第23页 |
| 2.7 几种常见的决策树算法介绍 | 第23-29页 |
| 2.7.1 决策树 ID3 算法 | 第23-27页 |
| 2.7.2 C4.5 算法介绍 | 第27-28页 |
| 2.7.3 其他算法介绍 | 第28-29页 |
| 2.8 对几种算法的评测 | 第29-30页 |
| 第3章 粗糙集技术 | 第30-36页 |
| 3.1 粗糙集技术介绍 | 第30页 |
| 3.2 粗糙集的知识与知识库介绍 | 第30-34页 |
| 3.2.1 知识与知识库 | 第30-31页 |
| 3.2.2 决策表信息系统 | 第31页 |
| 3.2.3 不可分辨关系介绍 | 第31-32页 |
| 3.2.4 上下近似集 | 第32页 |
| 3.2.5 属性依赖度 | 第32-33页 |
| 3.2.6 属性重要度 | 第33页 |
| 3.2.7 属性约简 | 第33页 |
| 3.2.8 一般约简和核 | 第33-34页 |
| 3.2.9 相对约简与相对核 | 第34页 |
| 3.3 决策表的化简 | 第34-36页 |
| 第4章 基于粗糙集的决策树算法研究 | 第36-48页 |
| 4.1 基于粗糙集的决策树算法 | 第36-38页 |
| 4.1.1 粗糙集的明确区 | 第36-37页 |
| 4.1.2 建立在区分价值基础之上的决策树算法 | 第37-38页 |
| 4.2 改进的基于区分价值的决策树算法（改进算法一） | 第38-43页 |
| 4.2.1 算法设计思路 | 第38-40页 |
| 4.2.2 对于算法合理性的分析 | 第40页 |
| 4.2.3 决策树算法的实例说明 | 第40-43页 |
| 4.3 区分价值基础之上的多变量决策树建立过程（改进算法二） | 第43-46页 |
| 4.3.1 对选择属性的标准进行再构建 | 第44页 |
| 4.3.2 相对泛化的介绍 | 第44-45页 |
| 4.3.3 多变量决策树的建立 | 第45-46页 |
| 4.4 改进算法二在选人模型中的运用 | 第46-48页 |
| 第5章 实验结果与分析 | 第48-55页 |
| 5.1 实验数据的选择 | 第48-49页 |
| 5.2 相关实验结果分析 | 第49-55页 |
| 第6章 总结与展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录 A 在学期间发表的学术成果 | 第61页 |