数据挖掘分类算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 图目录 | 第8-9页 |
| 表目录 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景 | 第10-13页 |
| ·数据挖掘技术的产生和定义 | 第11页 |
| ·国内外研究现状 | 第11-13页 |
| ·研究内容 | 第13-14页 |
| ·本文的组织结构 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 基本分类方法的研究和分析 | 第16-28页 |
| ·分类的定义和过程 | 第16-18页 |
| ·分类方法的评估 | 第18-19页 |
| ·决策树分类 | 第19-20页 |
| ·贝叶斯分类 | 第20-24页 |
| ·贝叶斯定理 | 第20-21页 |
| ·朴素贝叶斯分类 | 第21-23页 |
| ·贝叶斯信念网络 | 第23-24页 |
| ·神经网络分类 | 第24-26页 |
| ·神经网络分类器结构 | 第25-26页 |
| ·支持向量机分类 | 第26页 |
| ·其他方法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 决策树的构造和简化 | 第28-44页 |
| ·决策树的构造和简化 | 第28-30页 |
| ·剪枝算法 | 第30-34页 |
| ·前期剪枝 | 第32页 |
| ·后期剪枝 | 第32-33页 |
| ·剪枝优化的原则 | 第33-34页 |
| ·常见决策树算法 | 第34-42页 |
| ·CLS算法 | 第35-36页 |
| ·ID3算法 | 第36-39页 |
| ·C4.5算法 | 第39-41页 |
| ·其他算法 | 第41-42页 |
| ·对几种算法的评价 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 决策树改进研究 | 第44-61页 |
| ·引言 | 第44页 |
| ·裁减属性降维 | 第44-50页 |
| ·属性重要性排序 | 第45-46页 |
| ·RBF神经网络 | 第46-50页 |
| ·实验验证 | 第50页 |
| ·连续属性离散化 | 第50-53页 |
| ·属性选择标准研究 | 第53-60页 |
| ·改进的理论基础 | 第53-55页 |
| ·克服选择属性时的偏向 | 第55页 |
| ·属性选择标准的改进 | 第55-58页 |
| ·实验验证 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 决策树优化整合 | 第61-68页 |
| ·引言 | 第61页 |
| ·算法改进 | 第61-63页 |
| ·应用验证 | 第63-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| ·本文总结 | 第68-69页 |
| ·后续工作和研究前景 | 第69页 |
| ·本章小结 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 作者简历 | 第76页 |
