| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的主要研究内容 | 第12页 |
| 1.4 本文的组织结构展示 | 第12-14页 |
| 第2章 知识背景 | 第14-21页 |
| 2.1 信息论相关知识 | 第14-16页 |
| 2.1.1 信息论概述 | 第14页 |
| 2.1.2 信息论相关概念 | 第14-16页 |
| 2.2 贝叶斯理论 | 第16-20页 |
| 2.2.1 概率论相关知识 | 第16-18页 |
| 2.2.2 贝叶斯定理 | 第18-19页 |
| 2.2.3 贝叶斯网络 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 四种典型贝叶斯分类模型介绍 | 第21-29页 |
| 3.1 朴素贝叶斯 | 第21-22页 |
| 3.2 树增广型朴素贝叶斯 | 第22-25页 |
| 3.3 AODE | 第25-26页 |
| 3.4 K-阶依赖贝叶斯模型 | 第26-27页 |
| 3.5 本章小结 | 第27-29页 |
| 第4章 K-阶贝叶斯因果森林模型 | 第29-33页 |
| 4.1 KCF模型构建原理 | 第29-30页 |
| 4.2 KCF模型的构造算法 | 第30-31页 |
| 4.3 KCF模型复杂度分析 | 第31-32页 |
| 4.4 本章小结 | 第32-33页 |
| 第5章 实验与分析 | 第33-50页 |
| 5.1 实验环境 | 第33页 |
| 5.2 实验数据 | 第33-34页 |
| 5.3 实验方法 | 第34-35页 |
| 5.4 实验结果分析与对比 | 第35-43页 |
| 5.5 详细分析Thyroid数据集上的KCF模型 | 第43-49页 |
| 5.6 本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| 6.1 工作总结 | 第50-51页 |
| 6.2 工作展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 作者简介及科研成果 | 第55-56页 |
| 致谢 | 第56页 |