基于贝叶斯网络的多类标分类算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景及其意义 | 第11-12页 |
| 1.2 多类标分类研究现状 | 第12-14页 |
| 1.2.1 问题转化法与算法适应法 | 第12-13页 |
| 1.2.2 贝叶斯网络与多类标分类 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文结构 | 第15-17页 |
| 2 多类标分类与贝叶斯网络 | 第17-21页 |
| 2.1 多类标分类 | 第17-18页 |
| 2.2 贝叶斯网络 | 第18-21页 |
| 3 基于属性相关性的多类标分类算法 | 第21-33页 |
| 3.1 相关研究工作 | 第21-25页 |
| 3.1.1 研究背景 | 第21-22页 |
| 3.1.2 遗传算法 | 第22-24页 |
| 3.1.3 属性相关性算法 | 第24-25页 |
| 3.2 CFS-GACC算法 | 第25-31页 |
| 3.2.1 初始种群的表示 | 第26-27页 |
| 3.2.2 个体的适应度评价函数 | 第27-28页 |
| 3.2.3 算法的选择方法 | 第28页 |
| 3.2.4 算法的交叉变异 | 第28-30页 |
| 3.2.5 算法的步骤 | 第30-31页 |
| 3.3 本章小结 | 第31-33页 |
| 4 基于贝叶斯分类器链的多类标分类算法 | 第33-42页 |
| 4.1 相关研究工作 | 第33-36页 |
| 4.1.1 分类器链算法 | 第33-35页 |
| 4.1.2 贝叶斯分类器链算法 | 第35-36页 |
| 4.2 树型贝叶斯分类器链算法 | 第36-40页 |
| 4.2.1 模型的构建方法 | 第36-38页 |
| 4.2.2 模型的研究策略 | 第38-40页 |
| 4.3 本章小结 | 第40-42页 |
| 5 实验设计与分析 | 第42-58页 |
| 5.1 实验方法 | 第42-43页 |
| 5.2 实验平台 | 第43-44页 |
| 5.3 实验数据 | 第44-46页 |
| 5.3.1 数据集合统计量 | 第44-45页 |
| 5.3.2 实验的数据集合 | 第45-46页 |
| 5.4 评价策略 | 第46-49页 |
| 5.4.1 类标集合的评价策略 | 第47-48页 |
| 5.4.2 类标序列的评价策略 | 第48-49页 |
| 5.4.3 实验采用的评价策略 | 第49页 |
| 5.5 实验结果及分析 | 第49-56页 |
| 5.5.1 CFS-GACC算法 | 第49-51页 |
| 5.5.2 TNBCC算法 | 第51-52页 |
| 5.5.3 TNBCC算法与不同的链序列 | 第52-54页 |
| 5.5.4 TNBCC算法与不同的类标链长度 | 第54-55页 |
| 5.5.5 TNBCC算法与不同的基分类器 | 第55-56页 |
| 5.5.6 其他算法 | 第56页 |
| 5.6 本章小结 | 第56-58页 |
| 6 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第64-66页 |
| 学位论文数据集 | 第66页 |
