| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的主要研究内容 | 第12页 |
| 1.4 本文的组织结构展示 | 第12-14页 |
| 第2章 知识背景介绍 | 第14-20页 |
| 2.1 信息论基础知识介绍 | 第14-15页 |
| 2.2 贝叶斯理论 | 第15-17页 |
| 2.2.1 概率论基础 | 第15页 |
| 2.2.2 贝叶斯定理 | 第15-16页 |
| 2.2.3 贝叶斯网络 | 第16-17页 |
| 2.3 特征选择相关知识介绍 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 经典贝叶斯网络分类模型介绍 | 第20-23页 |
| 3.1 朴素贝叶斯(NB) | 第20-21页 |
| 3.2 树增广型朴素贝叶斯(TAN) | 第21页 |
| 3.3 K阶依赖贝叶斯网络分类模型(KDB) | 第21-22页 |
| 3.4 本章小结 | 第22-23页 |
| 第4章 基于filter-wrappermRMR改进的KDB | 第23-33页 |
| 4.1 算法思想 | 第23-26页 |
| 4.1.1 基于filter-wrappermRMR的特征选择方法 | 第23-25页 |
| 4.1.2 模型选择 | 第25-26页 |
| 4.2 算法主要步骤 | 第26-31页 |
| 4.3 模型复杂度分析 | 第31页 |
| 4.4 本章小结 | 第31-33页 |
| 第5章 实验与分析 | 第33-46页 |
| 5.1 实验背景 | 第33-34页 |
| 5.2 实验方法与结果分析 | 第34-45页 |
| 5.2.1 特征选择对模型的影响 | 第37-39页 |
| 5.2.2 K值的选择对模型的影响 | 第39-40页 |
| 5.2.3 所有分类模型的整体比较与分析 | 第40-45页 |
| 5.3 本章小结 | 第45-46页 |
| 第6章 总结与展望 | 第46-48页 |
| 6.1 工作总结 | 第46-47页 |
| 6.2 工作展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 作者简介及科研成果 | 第52-53页 |
| 致谢 | 第53页 |