| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究目的与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 PU学习 | 第12-14页 |
| 1.2.2 不确定数据分类 | 第14-15页 |
| 1.2.3 针对不确定数据的PU学习分类 | 第15-16页 |
| 1.3 研究内容及方法 | 第16-18页 |
| 1.3.1 研究主要内容 | 第16-17页 |
| 1.3.2 研究方法 | 第17-18页 |
| 1.4 论文的组织结构 | 第18-19页 |
| 第二章 相关理论与技术 | 第19-26页 |
| 2.1 PU学习不确定数据分类场景 | 第19-20页 |
| 2.2 TAN贝叶斯网分类器 | 第20-22页 |
| 2.2.1 贝叶斯网分类器 | 第20-21页 |
| 2.2.2 TAN贝叶斯网分类器 | 第21-22页 |
| 2.3 UPNB分类算法 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 PU学习下针对不确定数据的贝叶斯网分类器 | 第26-38页 |
| 3.1 问题定义 | 第26-27页 |
| 3.2 不确定条件互信息UCMI | 第27-29页 |
| 3.3 PU学习下针对不确定数据的贝叶斯网分类器UPTAN | 第29-37页 |
| 3.3.1 分类方法 | 第31-32页 |
| 3.3.2 结构学习 | 第32-35页 |
| 3.3.3 参数学习 | 第35-36页 |
| 3.3.4 正例先验概率的估计 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 实验结果与分析 | 第38-55页 |
| 4.1 实验数据集 | 第38-39页 |
| 4.2 分类器评估方式 | 第39-40页 |
| 4.3 对比UPTAN和UPNB分类性能 | 第40-49页 |
| 4.4 不确定属性上的实验 | 第49-53页 |
| 4.5 时空分析 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 结论与展望 | 第55-56页 |
| 5.1 结论 | 第55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 作者简介 | 第61页 |