| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·朴素贝叶斯分类的研究现状 | 第12-15页 |
| ·贝叶斯网络的研究现状 | 第15-16页 |
| ·贝叶斯分类在冠心病中医诊疗领域的研究现状 | 第16-17页 |
| ·论文主要工作及组织结构 | 第17-19页 |
| 第2章 相关背景知识介绍 | 第19-30页 |
| ·数据挖掘理论概述 | 第19-21页 |
| ·数据挖掘的功能 | 第19-21页 |
| ·数据挖掘的流程 | 第21页 |
| ·贝叶斯理论相关知识 | 第21-23页 |
| ·条件概率和乘法定理 | 第21-22页 |
| ·全概率公式和贝叶斯定理 | 第22页 |
| ·极大后验假设和极大似然假设 | 第22-23页 |
| ·常见的贝叶斯分类模型介绍 | 第23-29页 |
| ·朴素贝叶斯分类模型 | 第24-26页 |
| ·半朴素贝叶斯分类模型 | 第26-27页 |
| ·树扩展朴素贝叶斯分类模型 | 第27-28页 |
| ·NBTree分类模型 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 属性结构扩展的朴素贝叶斯分类算法 | 第30-42页 |
| ·引言 | 第30-31页 |
| ·隐藏的朴素贝叶斯分类算法 | 第31-33页 |
| ·基于m估计的改进型HNB算法 | 第33-34页 |
| ·基于强属性的改进型HNB算法 | 第34-36页 |
| ·强属性的选择方法 | 第34-35页 |
| ·基于强属性的改进型HNB算法(SAHNB)的介绍 | 第35-36页 |
| ·实验评估 | 第36-41页 |
| ·实验数据 | 第36-37页 |
| ·实验设计 | 第37-38页 |
| ·实验结果与分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于KL距离的加权朴素贝叶斯分类算法 | 第42-53页 |
| ·引言 | 第42页 |
| ·信息论理论 | 第42-45页 |
| ·信息论概述 | 第42-44页 |
| ·信息熵 | 第44页 |
| ·互信息 | 第44页 |
| ·条件互信息 | 第44-45页 |
| ·基于属性加权的朴素贝叶斯分类模型简介 | 第45-46页 |
| ·基于KL距离的加权朴素贝叶斯分类算法(AWNB-KL) | 第46-48页 |
| ·Kullback-Leibler距离的介绍 | 第46页 |
| ·AWNB-KL算法权值的确定 | 第46-47页 |
| ·算法流程 | 第47-48页 |
| ·实验评估 | 第48-52页 |
| ·实验数据 | 第48-49页 |
| ·实验设计 | 第49页 |
| ·实验结果与分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 改进的贝叶斯分类算法在冠心病中医辅助诊疗系统中的应用 | 第53-65页 |
| ·引言 | 第53-54页 |
| ·冠心病数据的采集与处理分析 | 第54-57页 |
| ·基于智能技术的冠心病中医辅助诊疗系统设计与实现 | 第57-58页 |
| ·系统整体框架设计 | 第57页 |
| ·系统的开发工具与平台 | 第57页 |
| ·各个功能模块的设计与实现 | 第57-58页 |
| ·改进的贝叶斯分类算法在中医冠心病诊疗中的应用 | 第58-64页 |
| ·冠心病数据说明 | 第58-60页 |
| ·冠心病中医诊断模型的实现 | 第60-62页 |
| ·实验评估 | 第62页 |
| ·实验结果与分析 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| ·总结 | 第65页 |
| ·下一步研究工作 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73页 |
