贝叶斯网络与基于特征加权的聚类研究

摘要	第1-5页
Abstract	第5-8页
1 绪论	第8-12页
·模式识别的定义与特点	第8-9页
·模式识别的产生与发展	第9页
·模式识别系统框架与分类	第9-11页
·本文的主要工作	第11-12页
2 贝叶斯网络	第12-24页
·分类概念	第12-14页
·贝叶斯网络	第14-20页
·朴素贝叶斯	第15-19页
·贝叶斯网络	第19-20页
·连续属性的离散化	第20-23页
·离散化的基本概念	第20-21页
·几种离散化方法	第21-23页
·本章小结	第23-24页
3 一种贝叶斯网络结构学习算法及其应用	第24-37页
·方法的提出	第24页
·信息论	第24-26页
·熵	第24-25页
·信息	第25-26页
·条件互信息	第26页
·结构学习过程	第26-31页
·实验结果分析	第31-36页
·实验设置	第31-32页
·准确率分析	第32-33页
·AUC结果分析	第33-34页
·特征分析	第34-36页
·本章小结	第36-37页
4 改进的特征加权聚类算法	第37-53页
·基于特征加权的聚类算法	第37-40页
·聚类的概念	第37-38页
·AP聚类算法	第38-39页
·基于特征加权的聚类算法	第39-40页
·改进的特征加权聚类算法	第40-42页
·实验结果分析	第42-52页
·基于AP的特征加权算法	第42-44页
·使用r+a指标选取加权样本	第44-48页
·使用r+a指标在最好的结果上选择加权样本	第48-52页
·本章小结	第52-53页
结论	第53-54页
参考文献	第54-56页
攻读硕士学位期间发表学术论文情况	第56-57页
致谢	第57-58页