基于贝叶斯网络的多维数据分类研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 第一章 绪论 | 第6-16页 |
| ·引言 | 第6-7页 |
| ·贝叶斯网络研究背景与现状 | 第7-9页 |
| ·分类理论 | 第9-14页 |
| ·数据分类过程 | 第9-10页 |
| ·常用分类技术 | 第10-12页 |
| ·分类器的评价标准 | 第12-14页 |
| ·本文的主要工作 | 第14页 |
| ·论文的组织结构安排 | 第14-16页 |
| 第二章 贝叶斯网络理论框架 | 第16-26页 |
| ·概率论基础 | 第16-18页 |
| ·贝叶斯网络的表示 | 第18-21页 |
| ·贝叶斯网络的相关概念 | 第18-19页 |
| ·贝叶斯网络中的独立关系 | 第19-21页 |
| ·贝叶斯网络的结构学习 | 第21-23页 |
| ·完备数据下贝叶斯网络的结构学习方法 | 第21-22页 |
| ·缺失数据下贝叶斯网络的结构学习方法 | 第22-23页 |
| ·贝叶斯网络的参数学习 | 第23-24页 |
| ·完备数据下的参数学习 | 第23页 |
| ·不完备数据下的参数学习 | 第23-24页 |
| ·贝叶斯网络的推理学习 | 第24-26页 |
| 第三章 贝叶斯分类器 | 第26-42页 |
| ·贝叶斯分类模型 | 第26-29页 |
| ·贝叶斯分类模型的定义 | 第26页 |
| ·一维贝叶斯分类模型 | 第26-27页 |
| ·多维贝叶斯分类模型及性能评估标准 | 第27-29页 |
| ·贝叶斯分类模型的推理过程 | 第29-31页 |
| ·从数据中学习 MBC 模型 | 第31-33页 |
| ·一种基于 ICA 降维的多维贝叶斯分类方法 | 第33-37页 |
| ·ICA 模型 | 第33-34页 |
| ·基于协方差分析和 ICA 的重构性降维 | 第34-35页 |
| ·构建 MBC 模型 | 第35-37页 |
| ·理论证明 | 第37-39页 |
| ·实验仿真 | 第39-42页 |
| 第四章 结束语和展望 | 第42-44页 |
| ·工作总结 | 第42页 |
| ·进一步研究的展望 | 第42-44页 |
| 致谢 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 硕士期间论文发表情况及科研成果 | 第50-51页 |
