基于自然最近邻居的分类算法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9页 |
| 1.3 本文主要内容 | 第9-12页 |
| 2 分类算法概述 | 第12-23页 |
| 2.1 分类的定义和过程 | 第12-13页 |
| 2.2 常用分类算法概述 | 第13-20页 |
| 2.2.1 决策树分类算法 | 第14-15页 |
| 2.2.2 贝叶斯分类算法 | 第15-16页 |
| 2.2.3 基于神经网络的分类算法 | 第16-18页 |
| 2.2.4 基于关联规则的分类算法 | 第18-19页 |
| 2.2.5 KNN分类算法 | 第19-20页 |
| 2.3 分类算法的评价标准 | 第20-22页 |
| 2.3.1 比较准则 | 第20页 |
| 2.3.2 分类性能的评估 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 自然最近邻居技术研究 | 第23-36页 |
| 3.1 最近邻居技术 | 第23-24页 |
| 3.2 自然最近邻居（3N） | 第24-31页 |
| 3.3 自然最近邻居特性 | 第31-35页 |
| 3.3.1 密度信息 | 第31-32页 |
| 3.3.2 supk值的稳定性 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 基于自然最近邻居的分类算法 | 第36-48页 |
| 4.1 训练样本权重的分配算法 | 第36-38页 |
| 4.2 基于自然最近邻居的分类算法（CAb3N） | 第38-40页 |
| 4.3 实验与分析 | 第40-47页 |
| 4.3.1 数据集与评价标准 | 第40-41页 |
| 4.3.2 实验结果与分析 | 第41-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 总结与展望 | 第48-50页 |
| 5.1 论文工作总结 | 第48-49页 |
| 5.2 未来展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54页 |
| A. 作者在攻读学位期间发表的论文目录 | 第54页 |
| B. 作者在攻读学位期间参与的科研项目目录 | 第54页 |
