文摘
英文文摘
第一章绪论
1.1数据挖掘的概况
1.2数据挖掘算法的研究及应用概况
1.3本文研究内容及组织
第二章分类
2.1分类概念
2.2分类的基本技术
2.2.1基于决策树的分类
2.2.2贝叶斯分类
2.2.3源于关联规则的分类
2.2.4神经网络分类
2.2.5K-最临近分类
2.2.6基于EP的分类算法
2.2.7其他分类算法
2.3分类模型的评估
2.3.1分类算法的准确率的评估
2.3.2分类算法的其他评估标准
2.4小结
第三章集成学习方法
3.1基本概念
3.2 Bagging
3.3 Boosting
3.4 小结
第四章EP和基于EP的分类算法
4.1EP
4.1.1 EP基本概念
4.1.2 EP的挖掘
4.1.3 EPs的特性
4.2基于EP的分类算法
4.2.1 CAEP
4.2.2 JEP-Classifier
4.2.3 DeEPs
4.2.4其它算法
4.3 小结
第五章Boosting基于EP的分类器提高分类准确率
5.1 Boosting基于EP的分类器提高分类准确率算法思想的提出
5.2基分类器的构造
5.2.1选择eEP的优点
5.2.2 eEP的挖掘
5.2.3使用eEP分类
5.3 BoostEP
5.3.1算法思想
5.3.2投票权重的计算和抽样权重的调整
5.3.3算法描述
5.4 小结
第六章实验结果及相关分析
6.1实验环境及目的
6.2 BoostEP算法的实验结果
6.3 BoostEP算法的实验结果分析
第七章结束语
7.1全文总结
7.2工作展望
参考文献
致谢
附录:攻读硕士学位期间发表学术论文