文摘
英文文摘
声明
第一章绪论
1.1本文研究背景
1.2数据挖掘研究现状
1.3决策树算法的应用
1.4本文组织结构
第二章决策树分类算法研究
2.1常见分类算法
2.1.1决策树
2.1.2贝叶斯方法
2.1.3神经网络
2.1.4支持矢量机
2.1.5其它方法
2.2决策树算法
2.3决策树构造与简化
2.4剪枝算法
2.4.1前期剪枝
2.4.2后期剪枝
2.4.3剪枝优化的原则
2.5常见决策树算法
2.5.1 CLS学习算法
2.5.2 ID3算法
2.5.3 C4.5算法
2.5.4其它方法
2.6对几种算法的评价
2.7本章小结
第三章决策树改进研究
3.1裁减属性降维
3.1.1属性重要性排序
3.1.2 RBF神经网络
3.1.3实验验证
3.2连续属性离散化
3.3属性选择标准研究
3.3.1改进的理论基础
3.3.2克服选择属性时的偏向
3.3.3属性选择标准的改进
3.3.4实验验证
3.4本章小结
第四章决策树优化整合
4.1算法改进
4.2应用验证
4.3本章小结
第五章新算法在图像数据挖掘中的设计
5.1设计流程
5.2数据流转
5.3执行界面
5.4开发运行环境
5.5本章小结
第六章总结与展望
6.1全文总结
6.2后续工作和研究前景
参考文献
硕士期间发表论文
致谢