朴素贝叶斯分类器的改进研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-18页 |
| ·研究背景 | 第9-15页 |
| ·数据挖掘 | 第9-10页 |
| ·分类 | 第10-15页 |
| ·研究现状 | 第15-16页 |
| ·本文的研究内容与组织架构 | 第16-17页 |
| 本章小结 | 第17-18页 |
| 第二章 贝叶斯分类 | 第18-23页 |
| ·贝叶斯定理 | 第18-19页 |
| ·贝叶斯分类器 | 第19-22页 |
| ·朴素贝叶斯分类器 | 第20-21页 |
| ·贝叶斯网络 | 第21-22页 |
| 本章小结 | 第22-23页 |
| 第三章 基于因子分析的朴素贝叶斯分类模型 | 第23-31页 |
| ·因子分析 | 第23-26页 |
| ·萃取公因子数的确定 | 第25页 |
| ·因子分析步骤 | 第25-26页 |
| ·FA-NBC 模型 | 第26-27页 |
| ·实验及结果分析 | 第27-30页 |
| 本章小结 | 第30-31页 |
| 第四章 基于互信息的朴素贝叶斯分类模型 | 第31-40页 |
| ·信息论的基本概念 | 第31-32页 |
| ·笛卡尔积 | 第32-33页 |
| ·NB-del 模型 | 第33-34页 |
| ·MI-NBC 模型 | 第34-36页 |
| ·实验及结果分析 | 第36-39页 |
| 本章小结 | 第39-40页 |
| 第五章 改进朴素贝叶斯分类模型的应用 | 第40-46页 |
| ·FA-NBC 模型在边坡稳定性识别中的应用 | 第40-43页 |
| ·可行性检验 | 第40页 |
| ·模型构建 | 第40-42页 |
| ·模型应用 | 第42-43页 |
| ·MI-NBC 模型在乳腺癌复发诊断中的应用 | 第43-44页 |
| ·模型构建 | 第43-44页 |
| ·模型应用 | 第44页 |
| 本章小结 | 第44-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 附录 | 第50-55页 |
| 攻读硕士学位期间取得的研究成果 | 第55-56页 |
| 致谢 | 第56-57页 |
| 附件 | 第57页 |
