| 提要 | 第1-8页 |
| 第一章 绪论 | 第8-15页 |
| ·本文的选题背景和意义 | 第8-9页 |
| ·决策树的研究历史与发展趋势 | 第9-13页 |
| ·决策树的研究历史 | 第9-12页 |
| ·决策树的发展趋势 | 第12-13页 |
| ·本文的主要工作 | 第13页 |
| ·本文的组织结构 | 第13-15页 |
| 第二章 决策树分类算法研究 | 第15-28页 |
| ·决策树算法概述 | 第15-19页 |
| ·决策树描述 | 第15-16页 |
| ·决策树的构建 | 第16-17页 |
| ·决策树的剪枝 | 第17-19页 |
| ·分类模型的评价标准与方法 | 第19-21页 |
| ·分类模型评估指针 | 第19-20页 |
| ·分类模型评估方法 | 第20-21页 |
| ·属性选择度量方法 | 第21-23页 |
| ·信息增益标准 | 第21-22页 |
| ·基尼系数标准 | 第22-23页 |
| ·典型的决策树算法分析与比较 | 第23-27页 |
| ·ID3 算法 | 第23-24页 |
| ·C4.5 算法 | 第24-25页 |
| ·CART算法 | 第25-26页 |
| ·SPRINT算法 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第三章 基于粗糙集理论的决策树分类算法 | 第28-48页 |
| ·粗糙集理论简介 | 第28-29页 |
| ·粗糙集的基本概念 | 第29-31页 |
| ·决策表信息系统 | 第29页 |
| ·不可分辨关系 | 第29-30页 |
| ·上下近似集 | 第30-31页 |
| ·基于近似精度的决策树分类算法APDT | 第31-36页 |
| ·算法的提出 | 第31-33页 |
| ·决策树的构造算法 | 第33-36页 |
| ·基于近似精度算法的扩展 | 第36-43页 |
| ·近似精度算法存在的缺陷 | 第36页 |
| ·基于变近似精度的决策树算法VAPDT | 第36-40页 |
| ·决策树的构造算法 | 第40-43页 |
| ·实验与结果分析 | 第43-47页 |
| ·小结 | 第47-48页 |
| 第四章 数据挖掘系统接口标准与部分功能插件的设计和实现 | 第48-63页 |
| ·数据挖掘标准 | 第48-51页 |
| ·数据挖掘标准出现原因及分类 | 第48-49页 |
| ·常用的数据挖掘标准简介 | 第49-51页 |
| ·应用PMML标准的原因 | 第51页 |
| ·基于Eclipse插件技术的数据挖掘平台 | 第51-54页 |
| ·Eclipse插件技术简介 | 第51-52页 |
| ·系统平台框架 | 第52-54页 |
| ·PMML标准接口插件 | 第54-57页 |
| ·PMML标准规范 | 第54-55页 |
| ·标准接口设计和实现 | 第55-57页 |
| ·其它功能插件 | 第57-62页 |
| ·数据库接口插件 | 第57-59页 |
| ·数据源导入插件 | 第59-60页 |
| ·决策树算法插件 | 第60-62页 |
| ·小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| ·本文的工作总结 | 第63页 |
| ·未来展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表论文 | 第69-70页 |
| 摘要 | 第70-73页 |
| Abstract | 第73-77页 |
| 致谢 | 第77-78页 |
| 导师及作者介绍 | 第78页 |