基于决策树的分类算法研究

论文摘要

数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又潜在有用的信息和知识的过程。在这一过程中,对数据的分类是数据挖掘领域研究的重要课题。本文阐述了数据挖掘和分类技术的理论基础,主要介绍如何利用决策树方法对数据进行分类挖掘,详细的描述了决策树的基本知识和相关算法,并对几种典型的决策树算法进行了分析和比较。主要研究工作如下:1.在分析XML技术和决策树的基础上,提出了一种决策树在XML数据库挖掘中的分析模型,为解决不同数据接口问题进行了有益的尝试;2.针对ID3算法倾向于取值较多属性的缺点,引入概率影响因子对ID3算法作了修正,使决策树减少了对取值较多的属性的依赖性,并通过使用学生信息训练集对两种算法建立的决策树进行比较,取得了良好的效果;3.利用修正后的决策树算法,使用C++语言,在兰州气象局气象技术保障网络管理信息系统中进行数据挖掘,为决策部门提供了合理、科学的决策根据。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 研究背景和意义
• 1.2 国内外研究现状及进展
• 1.3 决策树发展方向
• 1.4 XML在数据挖掘中的应用
• 1.4.1 XML知识
• 1.4.2 XML的特点
• 1.4.3 XML在数据挖掘中的应用
• 1.5 本文组织结构
• 第二章 数据挖掘理论知识
• 2.1 数据挖掘的定义
• 2.2 数据挖掘的分类
• 2.3 数据挖掘的功能
• 2.4 数据挖掘常用技术
• 2.5 数据挖掘的过程
• 2.6 数据挖掘的应用
• 第三章 决策树分类算法
• 3.1 决策树分类
• 3.2 决策树方法的介绍
• 3.2.1 决策树
• 3.2.2 决策树的基本思想
• 3.2.3 决策树的生长过程
• 3.2.4 决策树的剪枝技术
• 3.2.5 决策树的性能评价
• 3.3 常见决策树算法
• 3.3.1 ID3算法
• 3.3.2 CLS算法
• 3.3.3 C4.5算法
• 3.3.4 SLIQ算法
• 3.3.5 SPRINT算法
• 3.3.6 PUBLIC算法
• 3.4 决策树算法分析总结
• 3.5 本章小结
• 第四章 算法分析及修正
• 4.1 ID3算法的分析
• 4.1.1 ID3算法流程
• 4.1.2 ID3算法的评价
• 4.2 XML数据库挖掘的分析模型
• 4.2.1 数据源
• 4.2.2 数据预处理
• 4.2.3 XML数据库
• 4.2.4 决策树挖掘
• 4.2.5 基于XML的描述
• 4.3 决策树模型的建立
• 4.3.1 决策树的生成
• 4.3.2 分类规则的提取
• 4.4 修正信息嫡的决策树算法
• 4.4.1 修正算法的理论基础
• 4.4.2 算法实现
• 4.4.3 算法修正后的分类规则
• 4.4.4 两种算法比较
• 4.6 本章小结
• 第五章 决策树在数据库挖掘中的设计实现
• 5.1 设计流程
• 5.2 挖掘前的数据预处理
• 5.3 系统实现
• 5.3.1 开发运行环境
• 5.3.2 系统主要数据结构及核心代码
• 5.3.3 开发运行界面及功能介绍
• 5.4 挖掘结果
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 本文工作总结
• 6.2 工作展望
• 参考文献
• 硕士期间发表的论文和参加科研项目情况
• 致谢