文摘
英文文摘
声明
第1章 绪论
1.1课题研究的背景与意义
1.2国内外研究现状
1.2.1决策树分类算法的研究现状
1.2.2基于粗糙集的数据挖掘研究现状及发展
1.2.3基于灰色理论的数据挖掘研究现状及发展
1.3本文的研究内容
1.4本文的组织结构
第2章 相关理论及WEKA平台
2.1决策树分类算法的基本理论
2.1.1决策树生成过程
2.1.2决策树算法的主要研究内容
2.1.3决策树分类算法的评价指标
2.1.4常见的决策树分类算法比较
2.2粗糙集的相关原理和定义
2.3灰色理论
2.3.1灰色系统概念
2.3.2灰色关联分析法
2.4 WEKA平台
2.4.1 WEKA数据格式
2.4.2 WEKA图形用户界面
2.4.3 WEKA数据挖掘流程
第3章 基于灰色理论和粗糙集的数据预处理
3.1基于粗糙集和灰色理论的属性值缺失填补
3.1.1属性值缺失形成的原因及填补的重要性
3.1.2属性值缺失处理方法
3.1.3 GRFill属性值缺失填补方法
3.2基于粗糙集的属性约简算法研究
3.2.1常见的属性约简算法
3.2.2改进的基于区分矩阵的属性约简算法
第4章 基于粗糙集的分支属性选择
4.1基于粗糙集的属性选择方法
4.1.1基于属性相似度的决策树生成算法
4.1.2基于粗糙集的属性选择标准
4.1.3分类一致性定义
4.1.4 RDTree算法基本思路及描述
4.1.5 RDTree算法实例
4.1.6实验与结果分析
第5章 WEKA平台上组合算法的实现与应用
5.1 RGDTree算法实现
5.1.1 RGDTree算法主要成员方法
5.1.2 RGDTree算法流程
5.1.3 RGDTree算法在WEKA上的实现
5.2 RGDTree算法在UCI数据集上分析测试
5.3 RGDTree算法在实际数据样本中的应用
5.3.1数据样本
5.3.2实验与结果分析
总结与展望
致谢
参考文献
攻读硕士学位期间发表的论文