| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-20页 |
| ·本文研究的问题 | 第12-14页 |
| ·MCMC方法 | 第14-20页 |
| ·MH算法 | 第15-17页 |
| ·Gibbs抽样算法 | 第17-18页 |
| ·其他一些Monte Carlo算法 | 第18-19页 |
| ·MTM方法 | 第19-20页 |
| 第二章 Naive Bayes以及SPAN分类方法 | 第20-42页 |
| ·Naive Bayes及各种改进 | 第20-27页 |
| ·Naive Bayes | 第20-21页 |
| ·Naive Bayes的各种推广 | 第21-25页 |
| ·BEAM | 第25-27页 |
| ·SPAN | 第27-33页 |
| ·符号 | 第27-29页 |
| ·后验概率 | 第29-31页 |
| ·MCMC抽样 | 第31-32页 |
| ·分类 | 第32-33页 |
| ·SPAN-2 | 第33-37页 |
| ·模拟数据分析 | 第37-40页 |
| ·讨论 | 第40-42页 |
| 第三章 树状分类器和STAN分类方法 | 第42-86页 |
| ·简介 | 第42页 |
| ·树状分类器 | 第42-50页 |
| ·分类树 | 第43-45页 |
| ·CART | 第43页 |
| ·随机森林 | 第43-45页 |
| ·Boosting | 第45-46页 |
| ·其他方法 | 第45-46页 |
| ·贝叶斯树 | 第46-47页 |
| ·贝叶斯网 | 第47-49页 |
| ·TAN | 第47-49页 |
| ·小结 | 第49-50页 |
| ·STAN | 第50-64页 |
| ·符号 | 第50-51页 |
| ·STAN模型的构造 | 第51-56页 |
| ·STAN的后验概率 | 第51-54页 |
| ·MCMC动作 | 第54-55页 |
| ·MCMC 抽样 | 第55-56页 |
| ·理论证明 | 第56-62页 |
| ·光滑预测 | 第62-64页 |
| ·贝叶斯模型平均 | 第64页 |
| ·模拟数据分析 | 第64-78页 |
| ·模拟数据1 | 第64-69页 |
| ·模拟数据2 | 第69-75页 |
| ·模拟数据3：Logistic回归 | 第75-78页 |
| ·应用实例 | 第78-82页 |
| ·实例1 | 第78-81页 |
| ·实例2 | 第81-82页 |
| ·讨论 | 第82-86页 |
| ·STAN的优点 | 第82-83页 |
| ·先验分布的参数设置 | 第83-86页 |
| 第四章 SPAN和STAN的推广 | 第86-98页 |
| ·STAN的推广 | 第86-92页 |
| ·SPAN的推广 | 第92-94页 |
| ·模拟数据分析 | 第94-98页 |
| 第五章 结论 | 第98-102页 |
| ·Monte Carlo算法 | 第98-99页 |
| ·SPAN-2以及STAN方法的特点 | 第99-100页 |
| ·进一步研究的方向 | 第100-102页 |
| 参考文献 | 第102-108页 |
| 致谢 | 第108-109页 |