基于粗糙集约简的贝叶斯网络的研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景与意义 | 第10-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·粗糙集 | 第12页 |
| ·贝叶斯网络 | 第12-13页 |
| ·研究思路与研究内容 | 第13-15页 |
| ·研究思路 | 第13-14页 |
| ·研究内容 | 第14-15页 |
| 第二章 相关理论及知识 | 第15-28页 |
| ·粗糙集理论概述 | 第15-17页 |
| ·知识约简 | 第17-19页 |
| ·贝叶斯网络的概述 | 第19页 |
| ·贝叶斯网络学习 | 第19-24页 |
| ·贝叶斯网络的参数学习 | 第20-23页 |
| ·贝叶斯网络的结构学习 | 第23-24页 |
| ·主要贝叶斯网络模型 | 第24-27页 |
| ·朴素贝叶斯网络 | 第24-26页 |
| ·树增广朴素贝叶斯网络 | 第26-27页 |
| ·无约束贝叶斯网络 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于 GINI 指数的粗糙集知识约简算法 | 第28-42页 |
| ·问题的提出 | 第28页 |
| ·基于互信息的知识约简算法 | 第28-30页 |
| ·基于 GINI 指数的知识约简算法 | 第30-41页 |
| ·GINI 指数定义及相关定理讨论 | 第30-35页 |
| ·GIBARKCC 算法 | 第35-36页 |
| ·GIBARKNC 算法 | 第36页 |
| ·实例分析 | 第36-40页 |
| ·实验分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于粗糙集约简的贝叶斯网络 | 第42-46页 |
| ·问题的提出 | 第42页 |
| ·基于粗糙集约简的贝叶斯网络学习算法 | 第42-43页 |
| ·实验分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 基于粗糙集约简的贝叶斯网络的应用 | 第46-57页 |
| ·问题提出 | 第46页 |
| ·数据理解 | 第46-48页 |
| ·数据处理 | 第48-49页 |
| ·模型建立 | 第49-50页 |
| ·模型评价 | 第50-56页 |
| ·评价图 | 第50-52页 |
| ·评价指标 | 第52-53页 |
| ·测试集预测 | 第53-55页 |
| ·概率临界值调整 | 第55-56页 |
| ·模型应用 | 第56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 攻读硕士学位期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 附录 | 第62页 |
