基于属性组合的随机森林
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究目的与意义 | 第11-12页 |
| 1.3 国内外发展现状 | 第12-13页 |
| 1.4 本文主要工作及内容安排 | 第13-15页 |
| 第2章 聚类方法 | 第15-20页 |
| 2.1 聚类方法简介 | 第15页 |
| 2.2 常见的聚类方法 | 第15-17页 |
| 2.3 聚类算法的性质 | 第17页 |
| 2.4 K-MEANS聚类 | 第17-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第3章 属性决策和决策树简介 | 第20-26页 |
| 3.1 多属性决策问题简介 | 第20-21页 |
| 3.2 决策树简介 | 第21-26页 |
| 3.2.1 决策树的结构 | 第21-22页 |
| 3.2.2 决策树生成算法 | 第22-25页 |
| 3.2.3 决策树适用范围 | 第25-26页 |
| 第4章 多变量决策树的分析和应用 | 第26-33页 |
| 4.1 粗糙集简介 | 第26-27页 |
| 4.2 多变量决策树介绍 | 第27-28页 |
| 4.3 多变量决策树构造算法 | 第28页 |
| 4.4 多变量决策树实验结果 | 第28-33页 |
| 4.4.1 使用多变量决策树前后实验结果对比 | 第28-32页 |
| 4.4.2 使用多变量决策树实验结果分析 | 第32-33页 |
| 第5章 随机森林集成方法的分析和归纳 | 第33-40页 |
| 5.1 随机森林简介 | 第33页 |
| 5.2 分类器组合与集成方法 | 第33-37页 |
| 5.2.1 分类器组合 | 第33-36页 |
| 5.2.2 分类器集成 | 第36-37页 |
| 5.3 多变量决策树集成方法 | 第37页 |
| 5.4 实验步骤和结果 | 第37-39页 |
| 5.4.1 实验步骤 | 第37-39页 |
| 5.4.2 实验结果 | 第39页 |
| 5.5 本章小结 | 第39-40页 |
| 第6章 总结与展望 | 第40-41页 |
| 6.1 研究总结 | 第40页 |
| 6.2 研究展望 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 致谢 | 第44-45页 |
| 攻读学位期间取得的科研成果 | 第45页 |
