基于决策树的智能广告识别系统的设计与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-15页 |
| 第一章 绪论 | 第15-21页 |
| ·背景与现状 | 第15-18页 |
| ·无线网络的发展概述 | 第15-16页 |
| ·网页广告的发展概述 | 第16-17页 |
| ·课题的研究意义 | 第17-18页 |
| ·本文所做的工作 | 第18-19页 |
| ·论文章节安排 | 第19-21页 |
| 第二章 预备知识 | 第21-35页 |
| ·图论的基本介绍 | 第21-23页 |
| ·图论的发展概述 | 第21页 |
| ·图的基本概念 | 第21-23页 |
| ·数据挖掘的相关研究 | 第23-30页 |
| ·数据挖掘的基本概念 | 第24-25页 |
| ·数据挖掘处理的数据对象 | 第25-26页 |
| ·数据挖掘的基本流程 | 第26-28页 |
| ·数据挖掘的主要技术 | 第28-29页 |
| ·数据挖掘技术的应用领域 | 第29-30页 |
| ·决策树分类方法介绍 | 第30-34页 |
| ·决策树分类方法概述 | 第30-31页 |
| ·决策树的生成过程 | 第31-32页 |
| ·分类模型的评估方法 | 第32-33页 |
| ·决策树的评价指标 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于决策树的数据包分类方法 | 第35-43页 |
| ·数据包分类问题的一般定义 | 第35页 |
| ·C4.5分类算法 | 第35-38页 |
| ·C4.5算法的伪代码描述 | 第35-36页 |
| ·C4.5算法的详细介绍 | 第36-38页 |
| ·数据包分类的具体流程 | 第38-41页 |
| ·数据包分类的主要依据 | 第38-39页 |
| ·数据包属性的选取 | 第39页 |
| ·训练数据集的确定 | 第39-41页 |
| ·数据包属性的预处理 | 第41页 |
| ·本章小结 | 第41-43页 |
| 第四章 数据包分类实验与结果讨论 | 第43-53页 |
| ·实验的初始设置 | 第43-44页 |
| ·实验的数据来源 | 第43页 |
| ·实验环境 | 第43-44页 |
| ·算法初始参数的选择 | 第44页 |
| ·本实验采用的评估标准 | 第44-45页 |
| ·决策树的生成 | 第45-48页 |
| ·测试数据集的数据分布情况 | 第45-47页 |
| ·处理后的数据形式 | 第47-48页 |
| ·通过训练数据集生成决策树 | 第48页 |
| ·模型评估 | 第48-51页 |
| ·交叉验证评估 | 第48-49页 |
| ·保留法评估 | 第49页 |
| ·对比实验 | 第49-51页 |
| ·结果讨论 | 第51-52页 |
| ·不同的网站类型的分类结果讨论 | 第51页 |
| ·总体分类结果讨论 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 智能广告识别系统的设计与实现 | 第53-67页 |
| ·智能广告识别系统的总体设计 | 第53-55页 |
| ·总体设计思路 | 第53页 |
| ·系统模块简介 | 第53-55页 |
| ·无线广播模块 | 第55-57页 |
| ·无线广播模块的硬件设备 | 第55-56页 |
| ·无线广播的具体流程 | 第56-57页 |
| ·信息采集模块 | 第57-60页 |
| ·在Linux系统下使用抓包软件 | 第59页 |
| ·用户数据包的过滤策略 | 第59-60页 |
| ·信息处理模块 | 第60-64页 |
| ·文件转化 | 第61页 |
| ·图的生成 | 第61-62页 |
| ·.txt文件解析 | 第62-64页 |
| ·决策树分类模块 | 第64-66页 |
| ·生成初始决策树 | 第64页 |
| ·对采集数据进行分类 | 第64-65页 |
| ·评估和优化 | 第65-66页 |
| ·系统展示 | 第66页 |
| ·本章小结 | 第66-67页 |
| 第六章 结论与展望 | 第67-71页 |
| ·本文工作总结 | 第67-68页 |
| ·后续工作展望 | 第68-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 研究成果及发表的学术论文 | 第77-79页 |
| 作者及导师简介 | 第79-80页 |
| 附件 | 第80-81页 |
