基于关联信息的贝叶斯分类算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 关联规则挖掘算法研究现状 | 第11-14页 |
| 1.2.2 贝叶斯分类方法研究现状 | 第14-17页 |
| 1.3 研究内容及论文组织结构 | 第17-19页 |
| 第2章 相关背景知识介绍 | 第19-30页 |
| 2.1 数据挖掘理论概述 | 第19-20页 |
| 2.1.1 数据挖掘的主要任务 | 第19页 |
| 2.1.2 数据挖掘的方法 | 第19-20页 |
| 2.1.3 数据挖掘的流程 | 第20页 |
| 2.2 关联规则理论 | 第20-24页 |
| 2.2.1 关联规则基本概念 | 第20-21页 |
| 2.2.2 常见关联规则挖掘算法介绍 | 第21-24页 |
| 2.3 常见贝叶斯分类算法 | 第24-29页 |
| 2.3.1 贝叶斯分类基本概念 | 第24-25页 |
| 2.3.2 常见贝叶斯分类算法介绍 | 第25-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于抽样的关联规则挖掘算法 | 第30-46页 |
| 3.1 引言 | 第30页 |
| 3.2 Hash表 | 第30-33页 |
| 3.2.1 Hash表性质 | 第31页 |
| 3.2.2 改进Hash函数 | 第31-33页 |
| 3.3 Sampling算法 | 第33-34页 |
| 3.4 SamplingHT算法 | 第34-39页 |
| 3.5 实验与分析 | 第39-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 基于频繁项集的贝叶斯分类算法 | 第46-62页 |
| 4.1 引言 | 第46-47页 |
| 4.2 M-估计 | 第47页 |
| 4.3 信息增益率 | 第47-49页 |
| 4.4 FISC算法 | 第49-50页 |
| 4.5 WM-FISC算法 | 第50-54页 |
| 4.5.1 M-估计改进 | 第50-51页 |
| 4.5.2 WM-FISC算法的主要步骤 | 第51页 |
| 4.5.3 WM-FISC算法描述 | 第51-54页 |
| 4.6 实验与分析 | 第54-61页 |
| 4.7 本章小结 | 第61-62页 |
| 第5章 改进算法在冠心病中医辅助诊疗系统中的应用 | 第62-66页 |
| 5.1 引言 | 第62页 |
| 5.2 冠心病中医辅助诊疗系统的实现 | 第62-65页 |
| 5.2.1 系统整体框架 | 第62-63页 |
| 5.2.2 Sam plingHT算法应用模块 | 第63-65页 |
| 5.2.3 WM-FISC算法应用模块 | 第65页 |
| 5.3 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 未来展望 | 第66-68页 |
| 参考文献 | 第68-75页 |
| 致谢 | 第75页 |
