基于决策树的组合分类器的构建和部署
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-13页 |
| ·研究背景和意义 | 第11-12页 |
| ·研究目标与内容 | 第12页 |
| ·研究路线 | 第12页 |
| ·文章结构 | 第12-13页 |
| 第二章 基础知识与研究现状 | 第13-26页 |
| ·数据挖掘与分类问题 | 第13-15页 |
| ·数据挖掘的一般方法 | 第13-14页 |
| ·分类问题的一般框架 | 第14页 |
| ·分类算法研究现状 | 第14-15页 |
| ·决策树算法介绍 | 第15-22页 |
| ·CLS算法 | 第17页 |
| ·CART算法 | 第17-18页 |
| ·ID3算法 | 第18-19页 |
| ·C4.5算法 | 第19-20页 |
| ·SLIQ算法 | 第20-21页 |
| ·SPRINT算法 | 第21页 |
| ·PUBLIC算法 | 第21页 |
| ·RainForest算法 | 第21-22页 |
| ·SURPASS算法 | 第22页 |
| ·决策树算法研究现状 | 第22-25页 |
| ·国内外研究进展 | 第22-24页 |
| ·决策树分类算法面临的主要问题 | 第24-25页 |
| ·可扩展性亟待提高 | 第24页 |
| ·适应多数据类型和容噪性 | 第24页 |
| ·递增性问题 | 第24-25页 |
| ·SURPASS算法存在的问题和研究现状 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第三章 SURPASS算法 | 第26-30页 |
| ·SURPASS算法的构成要素 | 第26-29页 |
| ·线性判别分析 | 第26-27页 |
| ·充分统计 | 第27-28页 |
| ·熵 | 第28-29页 |
| ·SURPASS算法描述 | 第29-30页 |
| 第四章 基于信息量指标的SURPASS改进方案 | 第30-50页 |
| ·基于信息量的方法 | 第30-37页 |
| ·构建信息量指标 | 第30页 |
| ·处理数字类型 | 第30-34页 |
| ·适用于SURPASS的指标形式 | 第34-37页 |
| ·假设的证明 | 第37-45页 |
| ·第一类属性 | 第38页 |
| ·第二类属性 | 第38-43页 |
| ·第三类属性 | 第43-45页 |
| ·实验结论 | 第45-50页 |
| 第五章 基于SURPASS的组合分类器算法 | 第50-58页 |
| ·组合分类器 | 第50-55页 |
| ·分类器输出信息 | 第51-52页 |
| ·分类器组合结构 | 第52-55页 |
| ·串行组合 | 第52-53页 |
| ·并行组合 | 第53-55页 |
| ·层次级联 | 第55页 |
| ·基于SURPASS的组合分类器算法 | 第55-56页 |
| ·实验结果 | 第56-58页 |
| 第六章 结束语 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表的论文和科研成果目录 | 第64页 |
