| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究的背景和意义 | 第9-10页 |
| ·研究现状 | 第10-13页 |
| ·分类的一般过程 | 第10页 |
| ·几种主要分类方法 | 第10-13页 |
| ·本文的工作 | 第13-15页 |
| ·本文的组织 | 第15-16页 |
| 第二章 贝叶斯理论与贝叶斯分类模型 | 第16-27页 |
| ·贝叶斯相关理论 | 第16-17页 |
| ·贝叶斯分类模型 | 第17-25页 |
| ·朴素贝叶斯分类模型 | 第18-21页 |
| ·贝叶斯网络分类器 | 第21-25页 |
| ·本章小节 | 第25-27页 |
| 第三章 基于贝叶斯方法的无线传感器网络事件区域容错检测算法研究 | 第27-49页 |
| ·引言 | 第27-28页 |
| ·针对节点规则排列的固定权值分类容错检测算法 | 第28-42页 |
| ·固定权值的分类容错检测算法 | 第29-32页 |
| ·算法分析 | 第32-34页 |
| ·实验结果分析 | 第34-42页 |
| ·针对节点不规则排列的距离加权分类容错检测算法 | 第42-47页 |
| ·基于距离加权的分类容错检测算法描述 | 第42-44页 |
| ·算法分析 | 第44-45页 |
| ·实验结果分析 | 第45-47页 |
| ·能耗分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于LLE降维和贝叶斯分类的多类标学习算法 | 第49-61页 |
| ·引言 | 第49-50页 |
| ·算法描述 | 第50-55页 |
| ·LLE降维 | 第51-52页 |
| ·构建多类标贝叶斯分类器 | 第52-55页 |
| ·多类标分类性能指标 | 第55-56页 |
| ·实验结果分析 | 第56-60页 |
| ·多类标图像数据的分类实验 | 第57-59页 |
| ·Yeast多类标基因数据的实验分析 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-64页 |
| ·工作总结 | 第61-62页 |
| ·工作展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间主要的研究成果 | 第69页 |