基于粗糙集的朴素贝叶斯分类算法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·本文的研究背景和意义 | 第11-12页 |
| ·NBC 的研究现状 | 第12-13页 |
| ·本文完成的工作 | 第13-14页 |
| ·本文的组织 | 第14-16页 |
| 第二章 贝叶斯分类模型 | 第16-27页 |
| ·贝叶斯理论 | 第16-18页 |
| ·贝叶斯分类法 | 第18-19页 |
| ·朴素贝叶斯分类模型 | 第19-21页 |
| ·朴素贝叶斯的分类原理 | 第19-21页 |
| ·朴素贝叶斯的优缺点 | 第21页 |
| ·朴素贝叶斯分类模型的扩展 | 第21-26页 |
| ·SNBC 模型 | 第21-23页 |
| ·TAN 模型 | 第23-25页 |
| ·SBC 算法 | 第25-26页 |
| ·CFS 算法 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 一种改进的基于条件熵的属性约简算法 | 第27-35页 |
| ·问题的提出 | 第27页 |
| ·粗糙集理论知识 | 第27-31页 |
| ·不可分辨关系与上、下近似 | 第27-29页 |
| ·约简与核 | 第29页 |
| ·信息熵与区分矩阵 | 第29-31页 |
| ·CEBARKNC 算法 | 第31页 |
| ·改进的 CEBARKNC 算法(ASBCE) | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于粗糙集的选择性朴素贝叶斯分类算法 | 第35-42页 |
| ·问题的提出 | 第35页 |
| ·RSSNBC 算法 | 第35-36页 |
| ·RSSNBC 算法时间复杂度分析 | 第36-37页 |
| ·实验 | 第37-41页 |
| ·实验平台与实验过程 | 第37-40页 |
| ·结果分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 选择性朴素贝叶斯组合分类算法 | 第42-51页 |
| ·集成学习 | 第42-46页 |
| ·基本概念 | 第42-43页 |
| ·个体生成方法 | 第43-46页 |
| ·结论生成方法 | 第46页 |
| ·选择性朴素贝叶斯组合分类算法(SNBCE) | 第46-48页 |
| ·算法分析 | 第46-47页 |
| ·SNBCE 算法 | 第47-48页 |
| ·实验结果与分析 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·本文总结 | 第51页 |
| ·工作展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 附录（攻读硕士学位期间发表论文目录） | 第58-59页 |
| 摘要 | 第59-63页 |
| ABSTRACT | 第63-67页 |
