| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-12页 |
| ·数据挖掘的定义、发展过程及其应用领域 | 第9-10页 |
| ·数据挖掘的基本步骤 | 第10页 |
| ·数据挖掘的分类 | 第10-11页 |
| ·数据挖掘分类基本算法 | 第11-12页 |
| ·决策树算法的国内外研究现状 | 第12-14页 |
| ·本课题的研究重点、研究意义以及论文结构 | 第14-16页 |
| 第2章 决策树分类算法概述 | 第16-24页 |
| ·决策树算法简介 | 第16-19页 |
| ·决策树算法概述 | 第16页 |
| ·决策树的表示方法 | 第16-17页 |
| ·决策树算法的执行过程 | 第17页 |
| ·决策树分类算法的生成指标 | 第17-19页 |
| ·几种常见的决策树分类算法 | 第19-23页 |
| ·ID3算法概述 | 第19-21页 |
| ·C4.5算法概述 | 第21页 |
| ·CART算法概述 | 第21页 |
| ·SLIQ算法概述 | 第21-22页 |
| ·SPRINT算法简介 | 第22页 |
| ·PUBLIC算法简介 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于综合效应的决策树启发式模式研究 | 第24-31页 |
| ·预备知识 | 第24-25页 |
| ·综合效应函数 | 第24页 |
| ·包含度的基本概念 | 第24页 |
| ·凸集和凸函数 | 第24-25页 |
| ·决策树算法选择扩展属性的基本准则 | 第25-26页 |
| ·属性扩展能力的综合评价模式 | 第26-30页 |
| ·数据利用准则 | 第27页 |
| ·叶子准则(l=2) | 第27页 |
| ·叶子准则(l=n) | 第27-29页 |
| ·几点注明 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 基于拟线性函数的决策树启发式模式研究及其应用 | 第31-41页 |
| ·拟线性函数的定义 | 第31页 |
| ·拟线性函数的性质 | 第31-32页 |
| ·基于拟线性函数的决策树启发式模式 | 第32-33页 |
| ·应用实例 | 第33-39页 |
| ·本章小结 | 第39-41页 |
| 第5章 基于决策树的属性约简方法研究及其应用 | 第41-47页 |
| ·预备知识 | 第41页 |
| ·现行属性约简算法概述 | 第41-42页 |
| ·规则的规范化描述模式 | 第42-43页 |
| ·几点注明 | 第43页 |
| ·基于决策树的属性约简算法研究 | 第43-44页 |
| ·实例分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间所发表的论文 | 第53-54页 |
| 致谢 | 第54页 |