基于关联规则的加权AODE模型的研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的研究内容 | 第12页 |
| 1.4 本文的研究流程及组织结构 | 第12-14页 |
| 第2章 相关理论及预备知识 | 第14-25页 |
| 2.1 关联规则挖掘 | 第14-17页 |
| 2.1.1 频繁模式 | 第14-15页 |
| 2.1.2 关联规则的相关概念 | 第15-16页 |
| 2.1.3 关联规则的基本原理及举例 | 第16-17页 |
| 2.2 APRIORI 算法 | 第17-22页 |
| 2.3 由频繁项集产生关联规则 | 第22页 |
| 2.4 信息论基础知识 | 第22-23页 |
| 2.5 分类 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 限制性贝叶斯分类器 | 第25-36页 |
| 3.1 贝叶斯网络 | 第25-26页 |
| 3.1.1 贝叶斯定理 | 第25页 |
| 3.1.2 极大后验假设 | 第25-26页 |
| 3.1.3 贝叶斯网络 | 第26页 |
| 3.2 限制性贝叶斯网络 | 第26-35页 |
| 3.2.1 朴素贝叶斯分类器 | 第26-29页 |
| 3.2.2 树扩展朴素贝叶斯分类器 | 第29-30页 |
| 3.2.3 K 阶依赖贝叶斯分类器 | 第30-32页 |
| 3.2.4 平均的 1-依赖估测器 | 第32-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 基于关联规则的加权 AODE 模型 | 第36-50页 |
| 4.1 AODE 的缺陷 | 第36-37页 |
| 4.2 通过关联规则增加信息的 AODE | 第37-47页 |
| 4.2.1 AR-AODE 模型 | 第38-40页 |
| 4.2.2 属性分组 | 第40-43页 |
| 4.2.3 WAODE 模型 | 第43-46页 |
| 4.2.4 AR-WAODE 模型 | 第46-47页 |
| 4.3 后验概率计算 | 第47-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第5章 实验及分析 | 第50-60页 |
| 5.1 实验环境 | 第50页 |
| 5.2 实验数据集 | 第50-51页 |
| 5.3 实验方法 | 第51-52页 |
| 5.4 UCI 数据集上的实验分析 | 第52-57页 |
| 5.5 SEER 数据集上的实验分析 | 第57-59页 |
| 5.6 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 论文总结 | 第60-61页 |
| 6.2 未来展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 作者简介及在学期间所取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |
