| 内容提要 | 第1-7页 |
| 第一章 绪论 | 第7-14页 |
| ·论文研究的背景和意义 | 第7-13页 |
| ·贝叶斯网络分类器及其发展现状 | 第7-10页 |
| ·遗传算法产生、发展及其在贝叶斯网络学习的应用 | 第10-13页 |
| ·本文的研究领域和组织结构 | 第13-14页 |
| 第二章 基于遗传算法的贝叶斯增广朴素贝叶斯分类器的研究与实现 | 第14-40页 |
| ·贝叶斯网络及贝叶斯网络分类器的基本概念 | 第14-16页 |
| ·贝叶斯网络分类器 | 第16-22页 |
| ·贝叶斯网络分类器的基本理论 | 第16-17页 |
| ·贝叶斯分类器的主要模型 | 第17-20页 |
| ·GBAN 算法学习得到的分类器 | 第20-22页 |
| ·遗传算法的描述及其理论研究的内容主要 | 第22-26页 |
| ·GBAN 算法的研究与设计 | 第26-36页 |
| ·适应度函数 | 第26-30页 |
| ·编码方法以及网络结构的限制 | 第30-31页 |
| ·初始群体的设定 | 第31页 |
| ·遗传操作的设计 | 第31-34页 |
| ·约减标准的设计 | 第34页 |
| ·控制参数的设计 | 第34-35页 |
| ·GBAN 算法描述 | 第35-36页 |
| ·算法分析 | 第36-39页 |
| ·算法正确性和有效性分析 | 第36-39页 |
| ·算法时间复杂性分析 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第三章 参数估计以及实验结果分析 | 第40-48页 |
| ·参数估计 | 第40-41页 |
| ·GBAN 算法的实现 | 第41-42页 |
| ·实验设计与结果分析 | 第42-47页 |
| ·分类器性能评价指标的选择 | 第43-45页 |
| ·三种贝叶斯网络分类器的性能比较 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 总结与展望 | 第48-50页 |
| ·本文总结 | 第48页 |
| ·下一步的研究工作展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 摘要 | 第54-56页 |
| ABSTRACT | 第56-59页 |
| 致谢 | 第59-60页 |
| 导师及作者简介 | 第60页 |