| 中文摘要 | 第1-8页 |
| ABSTRACT | 第8-12页 |
| 1 引言 | 第12-18页 |
| ·研究的背景和意义 | 第12-13页 |
| ·贝叶斯网络的研究现状 | 第13-16页 |
| ·贝叶斯网络的学习 | 第14-15页 |
| ·贝叶斯网络的推理 | 第15页 |
| ·贝叶斯分类方法 | 第15-16页 |
| ·贝叶斯网络的表示能力 | 第16页 |
| ·本文的研究内容 | 第16-17页 |
| ·论文组织 | 第17-18页 |
| 2 数据挖掘与分类 | 第18-24页 |
| ·数据挖掘概述 | 第18页 |
| ·数据挖掘技术 | 第18-20页 |
| ·数据挖掘中的分类问题 | 第20-24页 |
| 3 贝叶斯理论和贝叶斯分类器 | 第24-35页 |
| ·贝叶斯分类器的定理 | 第24-28页 |
| ·贝叶斯概率和贝叶斯定理 | 第24页 |
| ·贝叶斯学习的基本过程 | 第24-26页 |
| ·最大后验假设与最大似然假设 | 第26页 |
| ·贝叶斯网络的定义 | 第26-28页 |
| ·几种典型的贝叶斯分类器 | 第28-35页 |
| ·朴素贝叶斯分类器 | 第28-29页 |
| ·树扩张朴素贝叶斯分类器 | 第29-31页 |
| ·BAN 分类器 | 第31页 |
| ·贝叶斯多网分类器 | 第31-33页 |
| ·通用贝叶斯网分类器 | 第33-35页 |
| 4 处理不完整数据的问题概述 | 第35-43页 |
| ·不完整数据的定义 | 第35页 |
| ·不完整数据产生的原因 | 第35-36页 |
| ·空值语义 | 第35-36页 |
| ·空值处理的重要性和复杂性 | 第36页 |
| ·不完整数据的产生机制和处理准则 | 第36-38页 |
| ·随机缺失 | 第36页 |
| ·完全随机缺失 | 第36-37页 |
| ·非随机缺失 | 第37-38页 |
| ·缺失数据的处理方法 | 第38-43页 |
| 5 不完整数据分类器模型的建立 | 第43-51页 |
| ·几种简单不完整数据的处理模型 | 第43页 |
| ·Robust 方法处理模型 | 第43-46页 |
| ·Robust Estimator 方法原理的简介 | 第43-46页 |
| ·RBE_EM 算法 | 第46-47页 |
| ·朴素贝叶斯分类器的建立过程 | 第47页 |
| ·树扩张贝叶斯分类器的建立过程 | 第47-51页 |
| ·TAN 构造算法 | 第47-51页 |
| 6 实验 | 第51-55页 |
| ·实验平台和参数 | 第51-52页 |
| ·实验结果 | 第52-54页 |
| ·几种种经典缺失数据处理方法的比较 | 第52-54页 |
| ·基于朴素贝叶斯分类器与基于 TAN 分类器的比较 | 第54页 |
| ·实验小结 | 第54-55页 |
| 结束语 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 作者简历 | 第58-60页 |
| 学位论文数据集 | 第60页 |