| 摘要 | 第1-3页 |
| ABSTRACT | 第3-4页 |
| 目录 | 第4-6页 |
| 前言 | 第6-8页 |
| 第一章 KDD综述 | 第8-24页 |
| ·KDD的定义及其发展现状 | 第8-10页 |
| ·KDD定义 | 第8-9页 |
| ·KDD的发展现状 | 第9-10页 |
| ·KDD的过程 | 第10-12页 |
| ·目标定义 | 第10页 |
| ·数据准备 | 第10页 |
| ·数据挖掘 | 第10-11页 |
| ·结果分忻 | 第11页 |
| ·知识吸收 | 第11-12页 |
| ·KDD分类 | 第12-18页 |
| ·分类或预测模型知识发现(Classification and Predictive Modeling) | 第12-14页 |
| ·聚类知识发现(Clustering) | 第14-15页 |
| ·关联规则知识发现(Link Analysis) | 第15-17页 |
| ·数据总结 | 第17-18页 |
| ·KDD的应用 | 第18-20页 |
| ·KDD研究中存在的问题 | 第20-22页 |
| ·小结 | 第22-24页 |
| 第二章 决策树(Decision Tree) | 第24-42页 |
| ·构造决策树的算法——分而治之： | 第24-31页 |
| ·算法 | 第24-27页 |
| ·计算information | 第27-29页 |
| ·高分枝数属性的处理 | 第29-31页 |
| ·实际应用中的各种改进： | 第31-36页 |
| ·定量属性 | 第32页 |
| ·缺值的情况 | 第32-33页 |
| ·决策树的剪枝 | 第33-34页 |
| ·计算错分率的方法 | 第34页 |
| ·决策树推导的计算复杂度 | 第34-35页 |
| ·从树中推出规则 | 第35-36页 |
| ·C4.5简介 | 第36-38页 |
| ·C4.5采用的算法 | 第36-37页 |
| ·C4.5如何估算错分率进行剪枝 | 第37-38页 |
| ·决策树的改进 | 第38-40页 |
| ·小结 | 第40-42页 |
| 第三章 分类预测方法的一个应用——LmisDM | 第42-60页 |
| ·设计思想 | 第42-44页 |
| ·LmisDM总体结构 | 第44-46页 |
| ·C4.5核心算法 | 第46-48页 |
| ·与C4.5的接口 | 第46-48页 |
| ·各功能模块简介 | 第48-50页 |
| ·属性定义模块 | 第48-49页 |
| ·生成names文件模块 | 第49页 |
| ·生成SQL模块 | 第49页 |
| ·抽取策略定义模块 | 第49-50页 |
| ·数据抽取模块 | 第50页 |
| ·数据挖掘的过程 | 第50-58页 |
| ·决策树生成 | 第50-57页 |
| ·预测 | 第57-58页 |
| ·对C4.5的一些修改 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第四章 总结与进一步的工作 | 第60-62页 |
| ·总结 | 第60页 |
| ·进一步的工作 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 作者简介 | 第64-66页 |
| 致谢 | 第66页 |