基于关系数据库中多值依赖的贝叶斯网络学习
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·贝叶斯网络简介 | 第10-11页 |
| ·贝叶斯网络原理 | 第11-13页 |
| ·研究背景与现状 | 第13-14页 |
| ·本文的主要工作 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第2章 相关理论知识介绍 | 第16-27页 |
| ·数据挖掘相关知识 | 第16-20页 |
| ·朴素贝叶斯分类器 | 第16-17页 |
| ·树增强贝叶斯分类器 | 第17-18页 |
| ·关联规则技术 | 第18-20页 |
| ·关系数据库简介 | 第20-25页 |
| ·关系数据库基本概念 | 第20-21页 |
| ·函数依赖 | 第21-22页 |
| ·多值依赖 | 第22-25页 |
| ·信息论相关知识 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于依赖关系的贝叶斯网络结构学习 | 第27-39页 |
| ·数据依赖与概率论 | 第27-31页 |
| ·函数依赖的概率推理规则 | 第27-28页 |
| ·多值依赖与条件独立性之间的关系 | 第28-30页 |
| ·局部多值依赖的定义 | 第30-31页 |
| ·基于依赖关系的贝叶斯网络学习算法 | 第31-37页 |
| ·数据依赖对应的网络结构 | 第31-33页 |
| ·关联规则与数据依赖 | 第33页 |
| ·基于函数依赖与局部多值依赖的朴素贝叶斯模型 | 第33-36页 |
| ·连续属性离散化处理 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第4章 实验 | 第39-48页 |
| ·实验环境与方法 | 第39-43页 |
| ·数据集描述 | 第39页 |
| ·SNB-SFS 简介 | 第39-40页 |
| ·TAN-CFS 简介 | 第40-41页 |
| ·GARC 简介 | 第41-42页 |
| ·实验方法 | 第42-43页 |
| ·实验结果分析 | 第43-47页 |
| ·FM-NB 与 SNB-SFS 对比 | 第43-44页 |
| ·FM-NB 与 TAN-CFS 对比 | 第44-45页 |
| ·FM-NB 与 GARC 对比 | 第45-46页 |
| ·实验结果汇总 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| ·全文总结 | 第48-49页 |
| ·未来研究方向 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 作者简介及在学期间所取得的科研成果 | 第53-54页 |
| 致谢 | 第54页 |
