基于贝叶斯网络与BP网络的混合分类器研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·BP神经网络研究现状 | 第12-13页 |
| ·贝叶斯网络研究现状 | 第13-14页 |
| ·研究内容与方法 | 第14-15页 |
| ·主要工作和创新 | 第15-16页 |
| ·论文的基本结构 | 第16-17页 |
| 第2章 BP神经网络研究 | 第17-23页 |
| ·人工神经网络概述 | 第17-19页 |
| ·人工神经网络的提出 | 第17-18页 |
| ·人工神经元概述 | 第18页 |
| ·人工神经网络 | 第18-19页 |
| ·BP神经网络概述 | 第19-20页 |
| ·BP神经网络分类器分类原理 | 第20-21页 |
| ·BP神经网络的优缺点分析 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 BP神经网络分类器的改进研究 | 第23-31页 |
| ·BP神经网络改进的基本思想 | 第23-25页 |
| ·BP神经网络分类器改进 | 第25-30页 |
| ·BP神经网络改进算法 | 第26-27页 |
| ·实验环境 Weka简介 | 第27-28页 |
| ·实验结果及分析 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 贝叶斯网络分类器研究 | 第31-37页 |
| ·贝叶斯网络概述 | 第31-33页 |
| ·贝叶斯网络相关概念 | 第31页 |
| ·贝叶斯网络学习方法 | 第31-32页 |
| ·贝叶斯网络优缺点分析 | 第32-33页 |
| ·基于条件独立性测试的贝叶斯网络分类器 | 第33-36页 |
| ·分类器算法描述 | 第33-34页 |
| ·实验设计和结果分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第5章 混合分类器研究 | 第37-41页 |
| ·混合分类器设计思想 | 第37-38页 |
| ·实验及结果分析 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 结论与展望 | 第41-43页 |
| 1、结论 | 第41页 |
| 2、展望 | 第41-43页 |
| 参考文献 | 第43-47页 |
| 致谢 | 第47-48页 |
| 攻读硕士学位期间发表的论文和其它科研情况 | 第48-49页 |
