决策树分类算法及其在高校学生就业中的应用研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-15页 |
| ·选题的背景和意义 | 第11页 |
| ·数据挖掘技术产生的背景 | 第11页 |
| ·数据挖掘技术国内外研究现状 | 第11-12页 |
| ·决策树分类算法研究现状 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 第二章 数据挖掘及分类技术概述 | 第15-24页 |
| ·数据挖掘概述 | 第15-17页 |
| ·数据挖掘的定义 | 第15页 |
| ·数据挖掘特征 | 第15页 |
| ·数据挖掘的主要功能 | 第15-17页 |
| ·数据挖掘技术的应用 | 第17页 |
| ·分类技术概述 | 第17-18页 |
| ·分类概述 | 第17-18页 |
| ·分类模型的评价准则 | 第18页 |
| ·决策树分类概述 | 第18-20页 |
| ·决策树定义 | 第18-19页 |
| ·决策树分类过程 | 第19页 |
| ·决策树分类技术的优点 | 第19-20页 |
| ·决策树分类算法简介 | 第20-23页 |
| ·ID3算法 | 第20-21页 |
| ·C4.5算法 | 第21-22页 |
| ·SLIQ算法 | 第22页 |
| ·SPRINT算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 决策树算法的优化研究 | 第24-30页 |
| ·填充空缺值 | 第24-25页 |
| ·多值属性优化 | 第25-28页 |
| ·优化原理简介 | 第25页 |
| ·算法应用比较 | 第25-27页 |
| ·算法分析 | 第27-28页 |
| ·算法再优化 | 第28-29页 |
| ·可信度的定义 | 第28-29页 |
| ·结合实例比较验证 | 第29页 |
| ·小结 | 第29-30页 |
| 第四章 就业信息数据仓库的构建 | 第30-36页 |
| ·数据仓库概述 | 第30页 |
| ·构建学生数据仓库 | 第30-34页 |
| ·数据源分析 | 第30-31页 |
| ·数据收集 | 第31页 |
| ·数据集成 | 第31-33页 |
| ·数据清理 | 第33页 |
| ·数据建模 | 第33-34页 |
| ·数据仓库与决策树算法的集成 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 决策树优化算法在就业问题中的简单应用 | 第36-43页 |
| ·应用系统分析 | 第36页 |
| ·决策树优化算法的应用 | 第36-40页 |
| ·决策树模型构建的流程介绍 | 第36-38页 |
| ·开发运行环境 | 第38页 |
| ·决策树模型的创建 | 第38-39页 |
| ·分类规则说明 | 第39-40页 |
| ·研究问题的深入分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第六章 总结与展望 | 第43-45页 |
| ·总结论文研究要点 | 第43页 |
| ·未来研究工作展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 攻读硕士学位期间发表的论文 | 第48-49页 |
| 致谢 | 第49页 |
