声明
摘要
第1章 绪论
1.1 研究背景及意义
1.1.1 关联规则挖掘及其面临的问题
1.1.2 决策树及其面临的问题
1.2 关联规则挖掘研究现状
1.2.1 关联规则基本问题
1.2.2 关联规则种类
1.2.3 频繁项集挖掘算法
1.2.4 多层、多维的关联规则挖掘算法
1.2.5 频繁闭项集、最大频繁项集挖掘算法
1.2.6 高维数据库的关联挖掘算法
1.2.7 基于约束的频繁项集生成算法
1.2.8 生成规则的兴趣度度量与相关性分析
1.2.9 增量式更新算法
1.2.10 其他关联规则挖掘算法及应用
1.3 决策树研究现状
1.3.1 决策树基础分类方法
1.3.2 CART分类方法
1.3.3 SLIQ及SPRINT算法
1.3.4 PUBLIC算法
1.3.5 Boosting及Bagging算法
1.3.6 基于粗糙集的决策树构建算法
1.3.7 基于变精度粗糙集的决策树分类算法
1.4 论文组织
第2章 关联规则生成数量的回归分析
2.1 研究背景及意义
2.2 关联规则参数分析
2.3 回归方程的设计
2.4 回归效果检验
2.5 实验
2.5.1 实验数据及复相关系数的检验
2.5.2 显著性检验
2.5.3 回归方程的预测
2.5.4 基于UCI数据的回归方程预测
2.6 效率分析
2.7 本章总结
第3章 模糊递减支持度的关联规则发现及其应用
3.1 冠心病数据应用背景介绍
3.2 支持度-置信度模型存在的问题
3.3 已有的相关研究
3.4 模糊递减支持度-置信度模型
3.4.1 模糊递减支持度公式
3.4.2 相关定义及性质
3.4.3 规则生成
3.5 3种修正模型
3.5.1 模糊递减支持度-置信度-兴趣度模型
3.5.2 模糊递减支持度-双向置信度-兴趣度模型
3.5.3 模糊递减支持度-重合度-兴趣度模型
3.6 冠心病数据的提取
3.7 实验
3.7.1 验证本章提出的模糊递减支持度-置信度模型
3.7.2 验证本章提出的3中改进模型
3.8 本章小结
第4章 基于变精度粗糙集的决策树分类算法
4.1 基于VPRS属性选择标准
4.1.1 变精度粗糙集模型
4.1.2 双层变精度明确区的属性选择标准
4.1.3 基于加权粗糙度和复杂度的属性选择标准
4.2 结点停止条件和类标预测方法
4.2.1 结点停止条件
4.2.2 类标预测方法
4.3 算法描述
4.3.1 IVPRSDT算法
4.3.2 IVPRSDT算法的优点
4.4 实验
4.4.1 MVPRSDT算法实验与结果分析
4.4.2 IVPRSDT算法实验与结果分析
4.5 本章小结
第5章 多值属性多类标数据的决策树生成算法
5.1 多值属性多类标数据决策树的问题描述
5.2 多值属性多类标数据决策树算法
5.2.1 已有的结点属性选择标准
5.2.2 结点属性选择标准改进
5.2.3 最佳属性的评定方法
5.2.4 结点停止分裂条件
5.3 标定记录的预测分类结果
5.4 决策树生成算法
5.5 实验
5.5.1 实验数据产生
5.5.2 实验方案
5.5.3 实验结果
5.6 本章总结
结束语
参考文献
攻读学位期间发表的论文
攻读学位期间参加的科研项目
致谢
作者简介