超高维两值数据的动态分类方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 第一章 引言 | 第10-20页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 汉语文本分类实例 | 第11-13页 |
| 1.3 朴素贝叶斯分类器 | 第13-15页 |
| 1.4 特征选择问题 | 第15-17页 |
| 1.5 本文结构安排 | 第17-20页 |
| 第二章 超高维两值数据的特征选择与特征加权 | 第20-46页 |
| 2.1 基于L_0正则化的特征选择 | 第20-24页 |
| 2.1.1 双截断参数估计 | 第20-22页 |
| 2.1.2 L_0正则化估计 | 第22-24页 |
| 2.1.3 BIC准则 | 第24页 |
| 2.2 加权朴素贝叶斯 | 第24-29页 |
| 2.2.1 模型改进 | 第25-26页 |
| 2.2.2 软特征选择 | 第26-27页 |
| 2.2.3 预测模型 | 第27-29页 |
| 2.3 模拟与实例分析 | 第29-37页 |
| 2.3.1 模拟数据分析 | 第29-30页 |
| 2.3.2 MPH数据分析 | 第30-32页 |
| 2.3.3 CNAE-9数据分析 | 第32-37页 |
| 2.4 理论证明 | 第37-43页 |
| 2.5 小结 | 第43-46页 |
| 第三章 动态朴素贝叶斯模型 | 第46-66页 |
| 3.1 模型与参数估计 | 第46-48页 |
| 3.2 特征选择 | 第48-50页 |
| 3.3 BIC型特征筛选 | 第50-51页 |
| 3.4 模拟与实例分析 | 第51-57页 |
| 3.4.1 模拟1：NB模型 | 第51-52页 |
| 3.4.2 模拟2：VNB模型 | 第52-54页 |
| 3.4.3 实例分析：MPH数据 | 第54-57页 |
| 3.5 理论证明 | 第57-64页 |
| 3.6 小结 | 第64-66页 |
| 第四章 模型推广 | 第66-76页 |
| 4.1 时变特征的选择 | 第66-67页 |
| 4.2 多峰核参数估计 | 第67-71页 |
| 4.3 向前选择算法 | 第71-74页 |
| 4.4 小结 | 第74-76页 |
| 结论 | 第76-78页 |
| 附录 | 第78-82页 |
| 参考文献 | 第82-92页 |
| 在学期间公开发表论文及著作情况 | 第92-93页 |
| 后记 | 第93页 |
