基于关联度函数的决策树分类算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第7-12页 |
| ·决策树算法研究的意义 | 第7-9页 |
| ·决策树算法研究的历史与现状 | 第9-11页 |
| ·决策树算法研究的发展过程 | 第9-10页 |
| ·决策树算法研究的发展趋势 | 第10-11页 |
| ·论文的主要内容及组织结构 | 第11-12页 |
| 第二章 数据挖掘理论 | 第12-20页 |
| ·引言 | 第12页 |
| ·数据挖掘的定义 | 第12-15页 |
| ·数据挖掘的含义 | 第12-13页 |
| ·数据挖掘示例 | 第13-15页 |
| ·数据挖掘的功能 | 第15-18页 |
| ·概念/类描述 | 第15-16页 |
| ·关联分析 | 第16页 |
| ·分类和预测 | 第16-17页 |
| ·聚类分析 | 第17-18页 |
| ·孤立点分析 | 第18页 |
| ·演变分析 | 第18页 |
| ·数据挖掘结果的评估 | 第18-19页 |
| ·小结 | 第19-20页 |
| 第三章 数据挖掘中的决策树算法 | 第20-36页 |
| ·引言 | 第20页 |
| ·决策树算法简介 | 第20-24页 |
| ·决策树算法中的基本概念 | 第20-22页 |
| ·决策树算法中的主要过程 | 第22-24页 |
| ·决策树算法中要研究的问题 | 第24-29页 |
| ·数据预处理 | 第24-26页 |
| ·属性选取标准 | 第26-27页 |
| ·决策树剪枝 | 第27页 |
| ·决策树算法评估 | 第27-29页 |
| ·决策树算法中的各种属性选取标准 | 第29-35页 |
| ·信息增益标准 | 第29-31页 |
| ·Gini-Index标准 | 第31-32页 |
| ·Chi-Square统计标准 | 第32-34页 |
| ·RELIEF标准 | 第34-35页 |
| ·CM标准 | 第35页 |
| ·小结 | 第35-36页 |
| 第四章 决策树算法中的多值偏向问题分析 | 第36-52页 |
| ·引言 | 第36页 |
| ·多值偏向问题的实验分析 | 第36-42页 |
| ·实验分析的步骤 | 第36页 |
| ·实验分析举例 | 第36-42页 |
| ·实验分析的缺点 | 第42页 |
| ·多值偏向问题的理论分析 | 第42-51页 |
| ·多值偏向问题的理论分析方法 | 第42-43页 |
| ·ID3 算法的多值偏向分析 | 第43-45页 |
| ·Gini-Index算法的多值偏向分析 | 第45-47页 |
| ·Chi-Square算法的多值偏向分析 | 第47-49页 |
| ·RELIEF算法的多值偏向分析 | 第49-51页 |
| ·小结 | 第51-52页 |
| 第五章 基于关联度函数的决策树算法 | 第52-61页 |
| ·引言 | 第52页 |
| ·基于关联度函数的决策树算法的提出 | 第52-53页 |
| ·基于关联度函数的决策树算法的基本内容 | 第53-58页 |
| ·基于关联度函数的决策树算法的多值偏向分析 | 第58-59页 |
| ·基于关联度函数的决策树算法的评估 | 第59-60页 |
| ·小结 | 第60-61页 |
| 第六章 基于关联度函数的决策树算法的应用 | 第61-68页 |
| ·引言 | 第61页 |
| ·数据结构与算法流程 | 第61-64页 |
| ·核心数据结构的设计 | 第61-62页 |
| ·生成决策树的算法流程 | 第62-63页 |
| ·判定数据记录类型的算法流程 | 第63-64页 |
| ·AF算法在病人分类中的应用 | 第64-67页 |
| ·问题的描述 | 第64-65页 |
| ·AF算法的应用 | 第65-66页 |
| ·AF算法与ID3 算法的比较 | 第66-67页 |
| ·小结 | 第67-68页 |
| 第七章 总结与展望 | 第68-70页 |
| ·本文的主要内容 | 第68-69页 |
| ·对未来研究的展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士学位期间发表的论文 | 第74-75页 |
| 附录I AF算法的实现程序 | 第75-83页 |
