基于决策树的数据挖掘算法研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 前言 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·主要研究内容 | 第11页 |
| ·本文的组织结构 | 第11-13页 |
| 第二章 数据挖掘相关技术研究 | 第13-28页 |
| ·数据挖掘技术 | 第13-17页 |
| ·数据挖掘概念 | 第13页 |
| ·数据挖掘步骤 | 第13-14页 |
| ·数据挖掘功能 | 第14-15页 |
| ·数据挖掘常用技术 | 第15-17页 |
| ·决策树技术 | 第17-27页 |
| ·决策树简介 | 第17-18页 |
| ·常见的决策树分类算法 | 第18-21页 |
| ·决策树后剪枝方法 | 第21-26页 |
| ·决策树方法主要研究内容 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于粗糙集合的决策树优化研究 | 第28-42页 |
| ·粗糙集理论 | 第28-30页 |
| ·粗糙集的基本理论 | 第28-29页 |
| ·粗糙集理论的应用 | 第29-30页 |
| ·决策树测试属性约简方法的改进 | 第30-35页 |
| ·粗糙集中常用属性约简算法 | 第31-32页 |
| ·基于属性依赖度的约简改进算法 | 第32-33页 |
| ·算法分析 | 第33页 |
| ·实例分析 | 第33-35页 |
| ·UCI数据集测试 | 第35页 |
| ·决策树后剪枝方法的改进 | 第35-41页 |
| ·常用后剪枝算法 | 第36页 |
| ·基于粗糙集理论的后剪枝改进算法 | 第36-37页 |
| ·算法分析 | 第37页 |
| ·实例分析 | 第37-39页 |
| ·标准数据集测试 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 优化算法在供应商评价系统中的应用 | 第42-51页 |
| ·系统总体构架 | 第42页 |
| ·供应商评价模型建立过程 | 第42-49页 |
| ·问题定义 | 第43-44页 |
| ·数据选择 | 第44-45页 |
| ·数据预处理 | 第45-46页 |
| ·建立模型 | 第46-49页 |
| ·模型评估 | 第49页 |
| ·本章小结 | 第49-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间取得的学术成果 | 第56-57页 |
| 致谢 | 第57页 |
