| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究目的与研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 2 基础理论概述 | 第14-25页 |
| 2.1 概率论基础 | 第14-16页 |
| 2.1.1 条件概率和乘法原理 | 第14页 |
| 2.1.2 全概率公式与贝叶斯定理 | 第14-15页 |
| 2.1.3 极大后验假设与极大似然假设 | 第15-16页 |
| 2.1.4 事件的独立性 | 第16页 |
| 2.2 朴素贝叶斯分类算法 | 第16-20页 |
| 2.2.1 贝叶斯分类算法 | 第16-17页 |
| 2.2.2 朴素贝叶斯分类算法(NB) | 第17-20页 |
| 2.3 朴素贝叶斯改进算法 | 第20-24页 |
| 2.3.1 树增强型朴素贝叶斯分类算法(TAN) | 第20-22页 |
| 2.3.2 贝叶斯网络(BN) | 第22-23页 |
| 2.3.3 朴素贝叶斯树算法(NBTree) | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 加权朴素贝叶斯分类算法 | 第25-28页 |
| 3.1 引言 | 第25页 |
| 3.2 算法步骤 | 第25-26页 |
| 3.3 常见的加权朴素贝叶斯分类算法 | 第26-27页 |
| 3.3.1 基于卡方统计量的加权朴素贝叶斯分类算法 | 第26-27页 |
| 3.3.2 基于粗糙集的加权朴素贝叶斯分类算法 | 第27页 |
| 3.4 本章小结 | 第27-28页 |
| 4 基于相关关系的加权朴素贝叶斯分类算法 | 第28-36页 |
| 4.1 引言 | 第28页 |
| 4.2 相关关系和相关系数 | 第28-30页 |
| 4.2.1 相关关系 | 第28-29页 |
| 4.2.2 相关系数 | 第29-30页 |
| 4.3 基于Tau-y系数的加权朴素贝叶斯分类算法 | 第30-32页 |
| 4.3.1 算法的构造 | 第30-31页 |
| 4.3.2 权值的确定 | 第31-32页 |
| 4.3.3 算法步骤 | 第32页 |
| 4.4 基于Kendall τ相关系数的加权朴素贝叶斯分类算法 | 第32-35页 |
| 4.4.1 算法提出的背景 | 第32-33页 |
| 4.4.2 Kendall τ的思想及计算 | 第33-35页 |
| 4.4.3 算法步骤 | 第35页 |
| 4.5 本章小结 | 第35-36页 |
| 5 实验验证与结果分析 | 第36-46页 |
| 5.1 实验背景 | 第36页 |
| 5.2 实验数据 | 第36-38页 |
| 5.3 实验流程 | 第38-39页 |
| 5.3.1 数据准备 | 第38页 |
| 5.3.2 数据处理 | 第38-39页 |
| 5.3.3 算法性能比较 | 第39页 |
| 5.4 实验结果及其分析 | 第39-45页 |
| 5.4.1 实验Ⅰ | 第39-42页 |
| 5.4.2 实验Ⅱ | 第42-45页 |
| 5.5 本章小结 | 第45-46页 |
| 6 改进的朴素贝叶斯分类算法在银行客户分类中的应用 | 第46-52页 |
| 6.1 引言 | 第46-47页 |
| 6.2 数据与变量 | 第47-49页 |
| 6.2.1 评估指标概述 | 第47-48页 |
| 6.2.2 数据来源及预处理 | 第48-49页 |
| 6.3 实验结果与分析 | 第49-51页 |
| 6.3.1 算法的应用 | 第49页 |
| 6.3.2 实验结果分析及建议 | 第49-51页 |
| 6.4 本章小结 | 第51-52页 |
| 7 总结及展望 | 第52-54页 |
| 7.1 本文的贡献及创新点 | 第52页 |
| 7.2 工作展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 个人简介 | 第57-58页 |
| 导师简介 | 第58-59页 |
| 获得成果目录清单 | 第59-60页 |
| 致谢 | 第60页 |
