| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景和研究现状 | 第11-15页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 国内外研究现状 | 第12-15页 |
| 1.2 研究内容和研究目的 | 第15-16页 |
| 1.2.1 研究内容 | 第15-16页 |
| 1.2.2 研究目的 | 第16页 |
| 1.3 论文的组织结构 | 第16-18页 |
| 第2章 朴素贝叶斯分类模型的研究及分析 | 第18-30页 |
| 2.1 贝叶斯理论相关知识 | 第18-24页 |
| 2.1.1 基础知识 | 第18-20页 |
| 2.1.2 贝叶斯定理举例 | 第20-22页 |
| 2.1.3 贝叶斯定理决策准则 | 第22页 |
| 2.1.4 极大后验假设 | 第22-24页 |
| 2.2 朴素贝叶斯分类模型 | 第24-28页 |
| 2.2.1 条件独立的概念 | 第24-25页 |
| 2.2.2 朴素贝叶斯分类器的工作方式 | 第25-27页 |
| 2.2.3 朴素贝叶斯分类器的分类过程 | 第27-28页 |
| 2.3 朴素贝叶斯分类算法的优缺点 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 粗糙集理论与信息论 | 第30-42页 |
| 3.1 粗糙集理论及集合的近似集 | 第30-33页 |
| 3.1.1 粗糙集理论相关概念 | 第30-31页 |
| 3.1.2 集合的上近似和下近似 | 第31-33页 |
| 3.2 基于区分矩阵的正域约简 | 第33-36页 |
| 3.2.1 模型构造 | 第33-34页 |
| 3.2.2 算法实例 | 第34-36页 |
| 3.3 信息论与属性权重的度量 | 第36-39页 |
| 3.3.1 信息熵与条件熵 | 第36-38页 |
| 3.3.2 决策表中的属性重要度 | 第38-39页 |
| 3.4 加权贝叶斯分类模型 | 第39-40页 |
| 3.4.1 模型的构造 | 第39页 |
| 3.4.2 算法步骤 | 第39-40页 |
| 3.4.3 算法流程图 | 第40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 基于属性约简和属性加权的朴素贝叶斯分类模型 | 第42-53页 |
| 4.1 一种新的基于粗糙集的属性约简模型 | 第42-45页 |
| 4.1.1 算法的提出 | 第42-43页 |
| 4.1.2 判断粗糙集划分之间的关系 | 第43-45页 |
| 4.2 算法设计 | 第45-49页 |
| 4.2.1 算法思想 | 第45-46页 |
| 4.2.2 算法中的贪心策略 | 第46页 |
| 4.2.3 算法具体步骤 | 第46-48页 |
| 4.2.4 算法流程图 | 第48-49页 |
| 4.3 基于属性约简和属性加权的朴素贝叶斯分类模型 | 第49-50页 |
| 4.3.1 模型的提出 | 第49页 |
| 4.3.2 模型的构造 | 第49-50页 |
| 4.4 RW-NBC 模型的算法设计 | 第50-52页 |
| 4.4.1 算法思想 | 第50-51页 |
| 4.4.2 算法步骤 | 第51-52页 |
| 4.4.3 算法流程图 | 第52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 实验与分析 | 第53-65页 |
| 5.1 实验背景 | 第53-54页 |
| 5.2 实验设计 | 第54-58页 |
| 5.2.1 实验目的和方案 | 第54-55页 |
| 5.2.2 实验环境 | 第55-56页 |
| 5.2.3 算法主要数据结构和功能接口 | 第56-58页 |
| 5.3 实验结果与分析 | 第58-64页 |
| 5.3.1 可行性实验结果与分析 | 第58-61页 |
| 5.3.2 有效性实验结果与分析 | 第61-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 论文总结 | 第65-66页 |
| 6.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 作者简介及在学期间所取得的科研成果 | 第70-71页 |
| 致谢 | 第71页 |