基于贝叶斯网络的数据挖掘研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·知识发现的相关概念 | 第9-10页 |
| ·数据、信息与知识 | 第9页 |
| ·知识发现 | 第9-10页 |
| ·知识发现的步骤 | 第10-11页 |
| ·知识发现的功能 | 第11-12页 |
| ·数据总结 | 第11页 |
| ·分类 | 第11页 |
| ·聚类 | 第11-12页 |
| ·相关性分析 | 第12页 |
| ·知识发现的方法和技术 | 第12-15页 |
| ·统计方法 | 第12-14页 |
| ·机器学习的方法 | 第14-15页 |
| ·神经计算 | 第15页 |
| ·混合算法 | 第15页 |
| ·论文组织 | 第15-17页 |
| 第二章 贝叶斯网络 | 第17-27页 |
| ·贝叶斯学习理论 | 第17页 |
| ·贝叶斯网络的产生、发展和研究现状 | 第17-18页 |
| ·贝叶斯网络的定义 | 第18-19页 |
| ·贝叶斯网络中的独立关系和因果关系 | 第19-21页 |
| ·独立关系 | 第19-21页 |
| ·因果关系 | 第21页 |
| ·贝叶斯网络的结构模型学习 | 第21-23页 |
| ·评分函数 | 第22页 |
| ·搜索策略 | 第22-23页 |
| ·贝叶斯网络的局部概率学习 | 第23-25页 |
| ·先验分布的选取 | 第23-24页 |
| ·局部概率学习的步骤 | 第24-25页 |
| ·贝叶斯网络推理 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第三章 算法及实验过程 | 第27-49页 |
| ·实验背景及领域知识 | 第27-29页 |
| ·实验背景 | 第27页 |
| ·关于牛奶产量的领域知识 | 第27-29页 |
| ·实验中的若干关键算法 | 第29-44页 |
| ·数据预处理阶段的算法 | 第29-31页 |
| ·网络结构学习阶段的算法 | 第31-42页 |
| ·局部概率学习阶段的算法 | 第42-43页 |
| ·运用贝叶斯网络进行推理的算法 | 第43-44页 |
| ·实验程序的模块及其功能介绍 | 第44-48页 |
| ·程序模块及其关系 | 第44-45页 |
| ·实验环境介绍 | 第45-46页 |
| ·程序的实现 | 第46-48页 |
| ·小结 | 第48-49页 |
| 第四章 结果比较与分析 | 第49-55页 |
| ·贝叶斯网络学习的结果 | 第49-50页 |
| ·多元线性回归分析的结果 | 第50-53页 |
| ·回归分析简介 | 第50页 |
| ·多元线性回归及其标准输出 | 第50-51页 |
| ·多元线性回归分析处理本例的结果 | 第51-53页 |
| ·两种方法的比较与分析 | 第53-54页 |
| ·小结 | 第54-55页 |
| 第五章 结束语 | 第55-57页 |
| ·总结 | 第55-56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61页 |
