基于显现模式分类能力的限制性贝叶斯网络分类算法
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-14页 |
| ·研究背景 | 第10-12页 |
| ·本文研究的工作和意义 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 2 分类理论综述 | 第14-23页 |
| ·分类概念 | 第14-15页 |
| ·分类的基本技术 | 第15-19页 |
| ·贝叶斯网络分类 | 第15-17页 |
| ·基于实例的分类 | 第17-18页 |
| ·其他的分类技术 | 第18-19页 |
| ·分类模型的性能度量标准 | 第19-23页 |
| ·分类性能评估定性标准 | 第20页 |
| ·分类性能评估定量标准 | 第20-21页 |
| ·分类模型评估标准 | 第21-23页 |
| 3 显现模式的相关概念及技术 | 第23-34页 |
| ·显现模式的概念 | 第23-25页 |
| ·显现模式的特性及其常见特殊形式 | 第25-27页 |
| ·显现模式的特性 | 第25-26页 |
| ·常见特殊形式的显现模式 | 第26-27页 |
| ·集族区间的概念 | 第27-28页 |
| ·显现模式的挖掘任务 | 第28-34页 |
| ·显现模式挖掘任务的分解 | 第29-30页 |
| ·利用边界算法挖掘显现模式 | 第30-34页 |
| 4 基于限制性显现模式的分类算法 | 第34-49页 |
| ·基于显现模式的分类算法概述 | 第34-39页 |
| ·基于集成显现模式分类器 | 第34-36页 |
| ·基于跳跃显现模式分类器 | 第36-37页 |
| ·基于显现模式的决策分类器 | 第37-38页 |
| ·基于显现模式的贝叶斯分类器 | 第38-39页 |
| ·显现模式分类能力和贝叶斯分类算法 | 第39-44页 |
| ·算法思想的提出 | 第39-40页 |
| ·显现模式的分类能力 | 第40-41页 |
| ·基于EP分类能力的贝叶斯分类算法 | 第41-43页 |
| ·显现模式的约简 | 第43页 |
| ·阈值的选择 | 第43-44页 |
| ·基于特殊显现模式的分类算法 | 第44-49页 |
| ·算法的主要思想 | 第44-45页 |
| ·特殊显现模式 | 第45页 |
| ·分类系数的确定 | 第45-47页 |
| ·从显现模式中挖掘特殊显现模式 | 第47页 |
| ·算法描述 | 第47-49页 |
| 5 实验结果与分析 | 第49-64页 |
| ·实验环境 | 第49页 |
| ·数据预处理 | 第49-51页 |
| ·实验数据集说明 | 第51页 |
| ·准确性的统计及分类等级准确率 | 第51-53页 |
| ·准确性的统计 | 第52页 |
| ·分类等级准确率 | 第52-53页 |
| ·实验结果 | 第53-60页 |
| ·实验分析 | 第60-64页 |
| ·基于EP分类能力的贝叶斯算法的实验结果分析 | 第60-61页 |
| ·基于特殊EP分类算法的实验结果分析 | 第61-64页 |
| 6 结论 | 第64-66页 |
| ·本文工作总结 | 第64-65页 |
| ·进一步研究工作 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 作者简历 | 第69-71页 |
| 学位论文数据集 | 第71页 |
