| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·课题研究背景 | 第7-9页 |
| ·数据挖掘概述 | 第7-9页 |
| ·朴素贝叶斯分类器 | 第9页 |
| ·国内外现状 | 第9-11页 |
| ·技术路线、研究目的 | 第11页 |
| ·研究内容 | 第11页 |
| ·论文的组织结构 | 第11-13页 |
| 2 贝叶斯理论和贝叶斯分类模型 | 第13-21页 |
| ·引言 | 第13页 |
| ·基础知识 | 第13-15页 |
| ·条件概率和乘法定理 | 第13页 |
| ·全概率公式和贝叶斯定理 | 第13-14页 |
| ·极大后验假设与极大似然假设 | 第14页 |
| ·事件的独立性 | 第14-15页 |
| ·贝叶斯分类模型 | 第15-20页 |
| ·朴素贝叶斯分类模型 | 第15-17页 |
| ·树扩张型贝叶斯分类模型 | 第17-18页 |
| ·朴素贝叶斯分类模型的改进方法 | 第18-20页 |
| ·小结 | 第20-21页 |
| 3 基于属性相关性分析的贝叶斯模型 | 第21-30页 |
| ·CB 分类模型简介 | 第21-22页 |
| ·向量相关度的概念 | 第21页 |
| ·CB 分类模型的构造 | 第21-22页 |
| ·基于属性相关性分析的朴素贝叶斯模型简介 | 第22-26页 |
| ·基于χ~2 统计的属性相关性度量 | 第22-23页 |
| ·基于属性相关性的属性约简方法 | 第23-24页 |
| ·EANBC 分类算法的理论依据 | 第24-25页 |
| ·EANBC 算法描述 | 第25-26页 |
| ·基于特征加权的朴素贝叶斯分类模型简介 | 第26页 |
| ·基于强属性限定的贝叶斯分类模型简介 | 第26-29页 |
| ·强属性的选择方法 | 第26-27页 |
| ·强属性限定的贝叶斯分类模型SANBC | 第27-29页 |
| ·小结 | 第29-30页 |
| 4 基于改进属性加权的朴素贝叶斯分类模型 | 第30-34页 |
| ·卡方拟合统计量 | 第30页 |
| ·属性的加权系数 | 第30-31页 |
| ·向量的加权系数 | 第31页 |
| ·WB (Weighed Bayesian)分类模型 | 第31-32页 |
| ·仿真实验 | 第32-33页 |
| ·小结 | 第33-34页 |
| 5 结论及展望 | 第34-35页 |
| 致谢 | 第35-36页 |
| 参考文献 | 第36-39页 |
| 附录 | 第39页 |