多模块集成式贝叶斯分类模型的研究
| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-14页 |
| ·数据挖掘 | 第7-10页 |
| ·数据挖掘定义 | 第7-8页 |
| ·数据挖掘过程 | 第8-9页 |
| ·数据挖掘任务 | 第9-10页 |
| ·分类模型简介 | 第10-13页 |
| ·本文研究目的和主要内容 | 第13-14页 |
| 第二章 贝叶斯网络分类模型 | 第14-24页 |
| ·贝叶斯概率基础 | 第14-17页 |
| ·经典贝叶斯网络分类模型 | 第17-23页 |
| ·朴素贝叶斯网络分类器 | 第19-20页 |
| ·树增广朴素贝叶斯网络分类器 | 第20-22页 |
| ·无约束贝叶斯网络分类器 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于信息熵的属性集分割 | 第24-41页 |
| ·信息论相关概念 | 第24-26页 |
| ·信息熵 | 第24-25页 |
| ·互信息 | 第25-26页 |
| ·数据预处理 | 第26-30页 |
| ·数据清洗 | 第26-27页 |
| ·数据选样 | 第27-28页 |
| ·数据变换 | 第28-29页 |
| ·数据规约 | 第29-30页 |
| ·基于信息熵的属性集分割算法 | 第30-35页 |
| ·算法中的概念定义 | 第30-32页 |
| ·算法设计 | 第32-34页 |
| ·算法实现 | 第34-35页 |
| ·算法分析 | 第35页 |
| ·实验及分析 | 第35-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 多模块集成式贝叶斯分类模型 | 第41-56页 |
| ·引言 | 第41-42页 |
| ·多模块集成式贝叶斯分类模型 | 第42-49页 |
| ·分而治之策略 | 第42-44页 |
| ·MSI公式的推导 | 第44-45页 |
| ·MSIB模型的定义及设计 | 第45-47页 |
| ·混合式朴素贝叶斯分类模型 | 第47-49页 |
| ·MSIB模型分析 | 第49页 |
| ·分类器模型实现中的一些问题 | 第49-52页 |
| ·概率估计 | 第50页 |
| ·缺损值处理 | 第50-51页 |
| ·评价方法 | 第51-52页 |
| ·实验及结果分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·本文总结 | 第56-57页 |
| ·工作展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 摘要 | 第62-64页 |
| Abstract | 第64-67页 |
| 致谢 | 第67-68页 |
| 导师及作者简介 | 第68页 |
