基于遗传算法的朴素贝叶斯分类研究
| 第一章 绪论 | 第1-21页 |
| ·数据挖掘 | 第12-17页 |
| ·数据挖掘定义及研究背景 | 第12-13页 |
| ·数据挖掘的研究现状 | 第13-15页 |
| ·数据挖掘与知识发现 | 第15-16页 |
| ·数据挖掘的任务 | 第16-17页 |
| ·数据挖掘中的分类问题 | 第17-20页 |
| ·分类的定义 | 第17-18页 |
| ·几种主要的分类模型 | 第18-19页 |
| ·分类模块的评价 | 第19-20页 |
| ·本文的内容组织 | 第20-21页 |
| 第二章 贝叶斯理论与贝叶斯分类 | 第21-29页 |
| ·贝叶斯分类器的一般原理 | 第21-23页 |
| ·贝叶斯理论 | 第21页 |
| ·贝叶斯定理 | 第21-22页 |
| ·极大后验假设与极大似然假设 | 第22-23页 |
| ·朴素贝叶斯分类模型 | 第23-26页 |
| ·朴素贝叶斯分类原理 | 第23-24页 |
| ·朴素贝叶斯分类模型的不足 | 第24页 |
| ·朴素贝叶斯分类模型的改进 | 第24-25页 |
| ·朴素贝叶斯分类器的提升 | 第25-26页 |
| ·贝叶斯信念网络 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 遗传算法的原理与方法 | 第29-40页 |
| ·遗传算法的基本思想 | 第29页 |
| ·遗传算法的操作 | 第29-35页 |
| ·编码 | 第29-31页 |
| ·选择 | 第31-32页 |
| ·交叉 | 第32-34页 |
| ·变异 | 第34-35页 |
| ·适应度函数 | 第35页 |
| ·遗传算法的表示 | 第35页 |
| ·基本遗传算法过程 | 第35-37页 |
| ·自适应遗传算法 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于遗传算法的朴素贝叶斯分类研究 | 第40-50页 |
| ·问题的提出 | 第40页 |
| ·基于遗传算法的朴素贝叶斯分类方法(G_NBC) | 第40-44页 |
| ·数据预处理 | 第41页 |
| ·分类器差异度的定义 | 第41-42页 |
| ·G_NBC编码方式 | 第42页 |
| ·G_NBC适应度函数 | 第42页 |
| ·遗传操作 | 第42-43页 |
| ·算法描述 | 第43-44页 |
| ·G_NBC算法实验及结果分析 | 第44-49页 |
| ·实验数据 | 第44-47页 |
| ·实验过程 | 第47页 |
| ·实验结果分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 G_NBC原型系统 | 第50-56页 |
| ·实验环境 | 第50页 |
| ·系统功能结构图 | 第50-51页 |
| ·实验步骤 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-57页 |
| ·总结 | 第56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表的论文 | 第60页 |
