粗糙集理论在决策树中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-16页 |
| ·背景知识 | 第9-13页 |
| ·数据挖掘的社会需求 | 第9页 |
| ·数据挖掘的概念 | 第9页 |
| ·数据挖掘的任务 | 第9-11页 |
| ·数据挖掘的方法 | 第11-13页 |
| ·研究内容 | 第13-14页 |
| ·本文内容安排 | 第14-16页 |
| 第二章 决策树基本算法 | 第16-26页 |
| ·用决策树归纳分类 | 第16-17页 |
| ·决策树基本算法 | 第17-19页 |
| ·决策树生成算法 | 第17-18页 |
| ·决策树的修剪 | 第18-19页 |
| ·决策树 ID3算法 | 第19-21页 |
| ·基本概念 | 第19-20页 |
| ·ID3算法 | 第20-21页 |
| ·属性选择的其他度量标准 | 第21-23页 |
| ·信息增益比率 | 第21-22页 |
| ·基于信息墒的距离函数 | 第22-23页 |
| ·实例分析 | 第23-25页 |
| ·小结 | 第25-26页 |
| 第三章 粗糙集 | 第26-33页 |
| ·粗糙集简介 | 第26页 |
| ·粗糙集的基本概念与理论基础 | 第26-28页 |
| ·知识与知识库 | 第26-27页 |
| ·知识表达系统 | 第27页 |
| ·决策信息系统 | 第27-28页 |
| ·粗糙集理论的特点 | 第28页 |
| ·基于粗糙集理论的数据挖掘 | 第28-30页 |
| ·粗糙集理论的应用 | 第30-32页 |
| ·小结 | 第32-33页 |
| 第四章 结合粗糙集理论的多变量决策树 | 第33-39页 |
| ·决策树技术的优缺点 | 第33-34页 |
| ·对属性依赖度的重新定义 | 第34-35页 |
| ·相对泛化的概念 | 第35页 |
| ·关于结点包含属性的控制 | 第35-36页 |
| ·条件属性的选择 | 第36页 |
| ·多变量决策树的构造算法 | 第36-37页 |
| ·实例分析 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第五章 基于值约简和决策树的最简规则提取算法 | 第39-46页 |
| ·基于粗糙集的值约简 | 第39-41页 |
| ·规则的支持度 | 第41页 |
| ·决策树规则简化 | 第41-43页 |
| ·约简规则的判定准则 | 第41-42页 |
| ·新的极小化方法 | 第42页 |
| ·极大化算法 | 第42-43页 |
| ·最小分类规则集生成算法 | 第43页 |
| ·实例分析 | 第43-45页 |
| ·小结 | 第45-46页 |
| 结论 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 附录 A (攻读学位期间发表论文目录) | 第54页 |
