| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究背景 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的研究内容 | 第12-14页 |
| 1.4 本文的组织安排 | 第14-16页 |
| 第二章 相关方法简介 | 第16-29页 |
| 2.1 有监督的分类模型 | 第16-24页 |
| 2.1.1 支持向量机模型 | 第16-18页 |
| 2.1.2 决策树 | 第18-21页 |
| 2.1.3 线性鉴别分析 | 第21-22页 |
| 2.1.4 朴素贝叶斯 | 第22-24页 |
| 2.2 无监督分类模型 | 第24-26页 |
| 2.2.1 K-means算法 | 第24-25页 |
| 2.2.2 高斯混合模型 | 第25-26页 |
| 2.3 半监督学习 | 第26-27页 |
| 2.3.1 S3VM | 第26-27页 |
| 2.3.2 CS4VM | 第27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 基于人工免疫系统的朴素贝叶斯算法 | 第29-41页 |
| 3.1 人工免疫系统介绍 | 第29-30页 |
| 3.2 人工免疫算法 | 第30-32页 |
| 3.3 基于克隆选择的朴素贝叶斯算法 | 第32-35页 |
| 3.3.1 问题描述 | 第32-33页 |
| 3.3.2 AINB方法 | 第33-35页 |
| 3.4 实验与分析 | 第35-40页 |
| 3.4.1 数据库介绍 | 第35-36页 |
| 3.4.2 度量指标 | 第36-37页 |
| 3.4.3 实验结果 | 第37-40页 |
| 3.5 本章总结 | 第40-41页 |
| 第四章 结合特征选择的人工免疫朴素贝叶斯方法 | 第41-47页 |
| 4.1 方法动机 | 第41页 |
| 4.2 结合递归特征消除的人工免疫朴素贝叶斯方法 | 第41-43页 |
| 4.2.1 特征选择方法分类 | 第41-42页 |
| 4.2.2 AINB-RFE方法 | 第42-43页 |
| 4.3 实验和分析 | 第43-46页 |
| 4.4 本章总结 | 第46-47页 |
| 第五章 结合特征选择的半监督人工免疫朴素贝叶斯算法 | 第47-54页 |
| 5.1 方法动机 | 第47页 |
| 5.2 半监督AINB-RFE方法 | 第47-49页 |
| 5.2.1 过采样方法和欠采样方法 | 第47-48页 |
| 5.2.2 SAINB-RFE方法 | 第48-49页 |
| 5.3 实验和分析 | 第49-53页 |
| 5.4 本章总结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 论文工作总结 | 第54页 |
| 6.2 进一步工作展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第59-60页 |
| 致谢 | 第60页 |