| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第13-18页 |
| 第一节 课题研究背景及意义 | 第13-14页 |
| 第二节 贝叶斯分类器发展状况与分析 | 第14-16页 |
| 第三节 本文主要内容及结构 | 第16-18页 |
| 第二章 贝叶斯网络 | 第18-28页 |
| 第一节 贝叶斯网络概述 | 第18-22页 |
| 一、贝叶斯网络的产生与发展 | 第18-20页 |
| 二、基本概率公式与贝叶斯定理 | 第20-21页 |
| 三、信息论基础知识 | 第21-22页 |
| 第二节 贝叶斯网络学习 | 第22-28页 |
| 一、贝叶斯网络结构学习 | 第23-25页 |
| 二、贝叶斯网络参数学习 | 第25-26页 |
| 三、贝叶斯分类 | 第26-28页 |
| 第三章 朴素贝叶斯分类器的依赖扩展 | 第28-41页 |
| 第一节 分类器属性离散化方法 | 第28-29页 |
| 第二节 朴素贝叶斯分类器 | 第29-32页 |
| 一、朴素贝叶斯分类器描述与结构 | 第30-31页 |
| 二、朴素贝叶斯分类器的参数估计 | 第31页 |
| 三、朴素贝叶斯分类器的特点 | 第31-32页 |
| 第三节 半朴素贝叶斯分类器 | 第32-35页 |
| 第四节 树增加型朴素贝叶斯分类器 | 第35-38页 |
| 一、TAN分类器的描述与结构 | 第35-36页 |
| 二、TAN分类器的结构学习 | 第36-37页 |
| 三、TAN分类器的特点 | 第37-38页 |
| 第五节 其它依赖扩展分类器 | 第38-41页 |
| 第四章 半朴素贝叶斯分类器学习与优化 | 第41-55页 |
| 第一节 两种改进的半朴素贝叶斯分类器 | 第41-44页 |
| 一、基于贪婪选择方法的SNBC | 第41-43页 |
| 二、完全贝叶斯分类器 | 第43-44页 |
| 第二节 分类器判断标准 | 第44-45页 |
| 第三节 实验与分析 | 第45-55页 |
| 一、实验数据集来源 | 第45-46页 |
| 二、实验方法与过程 | 第46-49页 |
| 三、实验结果 | 第49-55页 |
| 第五章 半朴素贝叶斯分类器的应用 | 第55-63页 |
| 第一节 引言 | 第55页 |
| 第二节 GSA-NB和T-NB在宏观与微观经济数据分类中的应用 | 第55-63页 |
| 一、数据来源 | 第55-56页 |
| 二、实验结果与分析 | 第56-63页 |
| 第六章 论文总结与展望 | 第63-65页 |
| 第一节 论文总结 | 第63页 |
| 第二节 工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |