基于贝叶斯理论的海量科学数据挖掘
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 引言 | 第8-18页 |
| ·项目概述 | 第8-9页 |
| ·项目背景和意义 | 第8-9页 |
| ·主要研究内容 | 第9页 |
| ·数据挖掘概述 | 第9-16页 |
| ·数据挖掘的定义 | 第10页 |
| ·数据挖掘的研究现状和发展趋势 | 第10-12页 |
| ·数据挖掘过程简介 | 第12-13页 |
| ·数据挖掘功能 | 第13-16页 |
| ·贝叶斯理论的发展概况及应用研究状况 | 第16-17页 |
| ·论文研究内容 | 第17-18页 |
| 第二章 数据挖掘中的分类 | 第18-27页 |
| ·分类的基本技术 | 第18-21页 |
| ·数据分类的过程 | 第18-20页 |
| ·分类数据的预处理 | 第20页 |
| ·分类方法的比较和评估标准 | 第20-21页 |
| ·几种典型的分类算法 | 第21-27页 |
| ·决策树 | 第21-23页 |
| ·神经网络 | 第23-25页 |
| ·贝叶斯 | 第25-27页 |
| 第三章 贝叶斯方法研究 | 第27-32页 |
| ·贝叶斯定理 | 第27-28页 |
| ·朴素贝叶斯分类 | 第28-29页 |
| ·贝叶斯网络分类 | 第29-32页 |
| 第四章 贝叶斯网络的学习 | 第32-53页 |
| ·贝叶斯网络的结构学习 | 第33-49页 |
| ·数据完整时的结构学习算法 | 第33-37页 |
| ·数据不完整时的结构学习算法 | 第37-38页 |
| ·一种新的结构学习记分函数 | 第38-47页 |
| ·两阶段学习贝叶斯网络结构的方法 | 第47-49页 |
| ·贝叶斯网络的参数学习 | 第49-53页 |
| ·数据完整时的参数学习 | 第49-50页 |
| ·数据不完整时的参数学习 | 第50-52页 |
| ·在线学习 | 第52-53页 |
| 第五章 数据挖掘应用原型系统设计 | 第53-67页 |
| ·数据挖掘系统概述 | 第53-55页 |
| ·系统框架 | 第55页 |
| ·系统功能说明 | 第55-56页 |
| ·贝叶斯算法模块 | 第56-67页 |
| 第六章 结论 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 个人简历 | 第72页 |
