基于IFN的客票营销分析方法的研究
| 内容摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景和现状 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·本文内容与结构 | 第10-12页 |
| 第二章 相关知识 | 第12-18页 |
| ·信息论相关知识 | 第12-15页 |
| ·熵 | 第12-13页 |
| ·联合熵和条件熵 | 第13-14页 |
| ·互信息(mutual information) | 第14页 |
| ·熵和互信息的关系 | 第14-15页 |
| ·熵和互信息的链式法则 | 第15页 |
| ·统计学假设检验 | 第15-18页 |
| 第三章 基于IFN的规则提取算法 | 第18-27页 |
| ·IFN算法 | 第18-22页 |
| ·IFN模型 | 第22-23页 |
| ·模型规则的提取 | 第23-24页 |
| ·IFN算法的评估 | 第24-27页 |
| ·模型的复杂性 | 第24-25页 |
| ·预测准确性 | 第25-27页 |
| 第四章 IFN算法的应用研究 | 第27-42页 |
| ·铁路客票营销分析 | 第27-29页 |
| ·铁路客票数据的预处理 | 第29-32页 |
| ·铁路客票数据 | 第29-31页 |
| ·铁路客票数据预处理方法 | 第31-32页 |
| ·IFN算法在铁路客票营销分析中的应用 | 第32-37页 |
| ·铁路客票数据的IFN模型与规则提取 | 第33-37页 |
| ·IFN算法的应用分析 | 第37页 |
| ·IFN算法与ID3算法应用的对比分析 | 第37-42页 |
| ·ID3算法的应用分析 | 第37-40页 |
| ·IFN算法与ID3算法应用的对比分析 | 第40-42页 |
| 第五章 总结与未来的工作 | 第42-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-50页 |
| 附录: 攻读硕士期间发表的论文 | 第50页 |