基于贝叶斯理论的数据挖掘在高校信息管理的应用研究
| 第1章 绪论 | 第10-13页 |
| 1．1 概述 | 第10-11页 |
| 1．2 课题研究的背景 | 第11-12页 |
| 1．3 本文所做的工作 | 第12-13页 |
| 第2章 数据挖掘技术 | 第13-29页 |
| 2．1 数据挖掘技术及其研究现状 | 第13-15页 |
| 2．1．1 知识获取与数据挖掘技术 | 第14页 |
| 2．1．2 数据挖掘研究和应用的现状 | 第14-15页 |
| 2．2 数据挖掘的对象 | 第15-18页 |
| 2．2．1 关系数据库 | 第15-16页 |
| 2．2．2 文本挖掘 | 第16-17页 |
| 2．2．3 Web数据挖掘 | 第17页 |
| 2．2．4 空间数据 | 第17-18页 |
| 2．3 数据挖掘任务 | 第18-19页 |
| 2．3．1 关联分析 | 第18页 |
| 2．3．2 分类 | 第18页 |
| 2．3．3 聚类 | 第18页 |
| 2．3．4 时序模式 | 第18-19页 |
| 2．3．5 预测 | 第19页 |
| 2．3．6 偏差的检测 | 第19页 |
| 2．4 数据挖掘的过程 | 第19-27页 |
| 2．4．1 问题定义与主题分析 | 第20页 |
| 2．4．2 数据准备 | 第20-25页 |
| 2．4．3 建立模型 | 第25-27页 |
| 2．4．4 挖掘结果的评价和验证 | 第27页 |
| 2．5 数据挖掘方法 | 第27-28页 |
| 2．6 本章小结 | 第28-29页 |
| 第3章 基于贝叶斯理论的数据挖掘方法 | 第29-43页 |
| 3．1 则叶斯理论 | 第29-30页 |
| 3．2 主观贝叶斯方法 | 第30-35页 |
| 3．2．1 知识的不确定性表示 | 第31-32页 |
| 3．2．2 证据不确定性的表示 | 第32页 |
| 3．2．3 不确定性的推理计算 | 第32-35页 |
| 3．2．4 结论不确定的合成算法 | 第35页 |
| 3．3 贝叶斯分类 | 第35-41页 |
| 3．3．1 朴素贝叶斯分类 | 第36-37页 |
| 3．3．2 贝叶斯信念网络 | 第37-40页 |
| 3．3．3 训练贝叶斯信念网络 | 第40-41页 |
| 3．4 数据挖掘方法评价的标准—贝叶斯标准 | 第41-42页 |
| 3．5 本章小结 | 第42-43页 |
| 第4章 贝叶斯分类的应用 | 第43-54页 |
| 4．1 基于贝叶斯理论的网页分类 | 第43-48页 |
| 4．1．1 潜在语义分析 | 第44-45页 |
| 4．1．2 贝叶斯潜在语义模型 | 第45页 |
| 4．1．3 文本算法的一般原理 | 第45-47页 |
| 4．1．4 基于贝叶斯模型的学习 | 第47-48页 |
| 4．2 应用朴素贝叶斯分类算法过滤邮件 | 第48-52页 |
| 4．2．1 邮件过滤过程 | 第49-50页 |
| 4．2．2 过滤邮件文本内容 | 第50-52页 |
| 4．3 试验结果 | 第52-53页 |
| 4．4 本章小结 | 第53-54页 |
| 第5章 贝叶斯方法在统计推理中的应用 | 第54-61页 |
| 5．1 统计模型 | 第54-56页 |
| 5．2 基于统计的数据挖掘 | 第56-57页 |
| 5．3 统计推理的贝叶斯方法 | 第57-59页 |
| 5．4 试验结果 | 第59-60页 |
| 5．5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 个人简历 | 第68页 |
