半监督学习在大学生就业数据中的应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-18页 |
| ·背景和实际意义 | 第11-12页 |
| ·背景 | 第11-12页 |
| ·实际意义 | 第12页 |
| ·研究现状 | 第12-15页 |
| ·国内外高校就业信息现状 | 第12-14页 |
| ·数据挖掘国内外研究现状 | 第14-15页 |
| ·研究内容 | 第15-17页 |
| ·研究内容 | 第16页 |
| ·论文结构 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 2 相关技术简介 | 第18-26页 |
| ·半监督学习 | 第18-22页 |
| ·半监督学习的假设 | 第20-21页 |
| ·半监督学习经典算法简介 | 第21-22页 |
| ·图的构造方法 | 第22-24页 |
| ·基于图的半监督学习算法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 基于图的半监督学习算法 | 第26-32页 |
| ·基于核的图上半监督学习 | 第26-28页 |
| ·算法的执行流程 | 第27-28页 |
| ·基于稀疏图的半监督学习 | 第28-31页 |
| ·算法的描述和推导 | 第30-31页 |
| ·算法的执行过程 | 第31页 |
| ·本章小结 | 第31-32页 |
| 4 基于改进贝叶斯半监督分类模型 | 第32-36页 |
| ·贝叶斯算法 | 第32页 |
| ·朴素贝叶斯分类 | 第32-33页 |
| ·改进属性加权贝叶斯分类算法 | 第33-34页 |
| ·算法执行过程 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 5 就业数据分析和实验 | 第36-47页 |
| ·大学生就业数据 | 第36-39页 |
| ·数据预处理 | 第37页 |
| ·数据泛化、数值化 | 第37-39页 |
| ·基于核的图上半监督学习实验 | 第39-41页 |
| ·基于稀疏图的半监督学习实验 | 第41-43页 |
| ·改进属性加权贝叶斯半监督分类实验 | 第43-46页 |
| ·大学生就业问题建议 | 第46页 |
| ·本章小结 | 第46-47页 |
| 6 总结和展望 | 第47-49页 |
| ·总结 | 第47页 |
| ·展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 附录A | 第53-54页 |
| 致谢#@@页 |
