基于属性选择加权的朴素贝叶斯算法的改进与应用
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景和研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要工作 | 第12页 |
| 1.4 本文组织结构 | 第12-14页 |
| 2 相关理论概述 | 第14-24页 |
| 2.1 数据挖掘 | 第14-15页 |
| 2.2 贝叶斯分类算法 | 第15-20页 |
| 2.2.1 概率论基础 | 第15-17页 |
| 2.2.2 朴素贝叶斯分类器 | 第17-18页 |
| 2.2.3 普通贝叶斯网络分类器 | 第18-19页 |
| 2.2.4 扩展的朴素贝叶斯分类器 | 第19-20页 |
| 2.3 Spark MLlib贝叶斯分类算法 | 第20-23页 |
| 2.3.1 Spark简介 | 第20-21页 |
| 2.3.2 Spark MLlib朴素贝叶斯 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 改进的选择性朴素贝叶斯分类算法 | 第24-38页 |
| 3.1 属性选择 | 第24-27页 |
| 3.1.1 属性选择定义 | 第24页 |
| 3.1.2 属性选择过程 | 第24-25页 |
| 3.1.3 属性选择方法 | 第25-27页 |
| 3.2 基于信息价值指标改进的朴素贝叶斯算法 | 第27-30页 |
| 3.2.1 信息价值 | 第28-29页 |
| 3.2.2 IVNBC | 第29-30页 |
| 3.3 一种改进的选择性朴素贝叶斯分类算法 | 第30-32页 |
| 3.3.1 选择性朴素贝叶斯算法 | 第30-31页 |
| 3.3.2 改进的ASIVNB算法 | 第31-32页 |
| 3.4 实验验证 | 第32-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 改进的加权朴素贝叶斯分类算法 | 第38-48页 |
| 4.1 属性加权朴素贝叶斯 | 第38页 |
| 4.2 基于层次分析法改进的加权朴素贝叶斯算法 | 第38-44页 |
| 4.2.1 层次分析法 | 第38-40页 |
| 4.2.2 AHP-WNB改进算法 | 第40-43页 |
| 4.2.3 改进的ASWNB算法 | 第43-44页 |
| 4.3 实验验证 | 第44-45页 |
| 4.4 本章小结 | 第45-48页 |
| 5 垃圾短信用户识别模型 | 第48-60页 |
| 5.1 数据准备阶段 | 第48-53页 |
| 5.1.1 数据获取 | 第48-50页 |
| 5.1.2 数据探索与分析 | 第50-53页 |
| 5.2 基于Ⅳ指标的属性选择 | 第53-55页 |
| 5.3 AHP-WNB加权 | 第55-57页 |
| 5.4 实验结果与分析 | 第57-58页 |
| 5.5 本章小结 | 第58-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 本文总结 | 第60页 |
| 6.2 工作展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-66页 |
