自适应K阶依赖贝叶斯分类器的设计与研究
| 摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 贝叶斯网络简介 | 第9-11页 |
| 1.3 本文的研究内容 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-13页 |
| 第2章 背景知识介绍 | 第13-24页 |
| 2.1 信息论基础知识 | 第13-14页 |
| 2.1.1 熵的定义 | 第13-14页 |
| 2.1.2 互信息与条件互信息 | 第14页 |
| 2.2 受限贝叶斯分类器 | 第14-17页 |
| 2.3 几种受限贝叶斯分类器 | 第17-23页 |
| 2.3.1 朴素贝叶斯分类器(NB) | 第17-19页 |
| 2.3.2 树增强贝叶斯分类器(TAN) | 第19-20页 |
| 2.3.3 K依赖贝叶斯分类器(KDB) | 第20-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 自适应K阶依赖关系贝叶斯分类器 | 第24-30页 |
| 3.1 SKDB算法描述 | 第24-27页 |
| 3.1.1 KDB算法简介 | 第24-25页 |
| 3.1.2 SKDB算法描述 | 第25-27页 |
| 3.2 SKDB算法举例分析 | 第27-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 实验分析与结论 | 第30-43页 |
| 4.1 数据分析 | 第30-35页 |
| 4.1.1 0-1损失计算 | 第30-34页 |
| 4.1.2 0-1损失的W/D/L统计结果 | 第34-35页 |
| 4.2 偏差(bias)分析 | 第35-37页 |
| 4.2.1 bias统计结果 | 第35-36页 |
| 4.2.2 bias的W/D/L统计结果 | 第36-37页 |
| 4.3 方差(variance)分析 | 第37-38页 |
| 4.3.1 variance的统计结果 | 第37页 |
| 4.3.2 variance的W/D/L统计结果 | 第37-38页 |
| 4.4 LC统计结果 | 第38-40页 |
| 4.5 实验结论 | 第40-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第5章 总结与展望 | 第43-45页 |
| 5.1 论文总结 | 第43-44页 |
| 5.2 论文改进 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 作者简介及在学期间所取得的科研成果 | 第48-49页 |
| 致谢 | 第49页 |
