基于粗糙集和集成学习的决策树算法研究

目录

1绪论

1.1课题研究背景

1.2研究现状

1.2.1决策树研究现状

1.2.2粗糙集理论研究现状

1.2.3基于粗糙集的决策树方法研究现状

1.3论文的组织结构

2相关理论概述

2.1数据挖掘理论概述

2.1.1数据挖掘的步骤

2.1.2数据挖掘的定义及简介

2.1.3数据挖掘常用技术

2.2决策树理论概述

2.2.1分类

2.2.2决策树描述

2.2.3决策树算法简介

2.2.4决策树算法评估

2.3粗糙集理论概述

2.3.1粗糙集理论的特点

2.3.2粗糙集研究的问题

2.3.3粗糙集的基本概念

2.3.4粗糙集的模型

2.4本章小结

3基于粗糙粒度的决策树算法

3.1引言

3.2基于粗糙粒度的分裂属性选择标准

3.3 DT-RGS算法

3.4实验以及结果分析

3.5本章小结

4基于调和粒度决策熵的决策树算法

4.1引言

4.2调和粒度决策熵

4.3基于调和粒度决策熵的决策树分类算法DTHGE

4.4实验及结果分析

4.5本章小结

5基于调和粒度决策熵的随机森林算法

5.1引言

5.1.1随机森林算法概述

5.1.2随机森林算法构建过程

5.2基于调和粒度决策熵的随机森林算法

5.3实验及结果分析

5.3.1实验数据

5.3.2数据预处理

5.3.3实验结果及分析

5.4本章小结

6总结与展望

6.1总结

6.2展望

参考文献

附录

致谢

攻读硕士期间发表的学术论文

声明