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
青岛科技大学;