基于粗糙集的加权朴素贝叶斯分类算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·研究背景和意义 | 第10-11页 |
| ·数据挖掘概述 | 第11-16页 |
| ·数据挖掘的基本概念 | 第11页 |
| ·数据挖掘技术 | 第11-13页 |
| ·数据挖掘过程 | 第13-14页 |
| ·数据挖掘的功能 | 第14-15页 |
| ·数据挖掘的应用 | 第15-16页 |
| ·数据挖掘研究现状及发展趋势 | 第16-17页 |
| ·数据挖掘研究现状 | 第16-17页 |
| ·数据挖掘发展趋势 | 第17页 |
| ·本文的研究内容与组织结构 | 第17-19页 |
| 第二章 粗糙集 | 第19-31页 |
| ·粗糙集的基本概念 | 第19-20页 |
| ·知识与分类 | 第20-22页 |
| ·知识约简与核 | 第22-24页 |
| ·属性重要性 | 第24页 |
| ·信息表知识表达系统和决策表 | 第24-30页 |
| ·信息表知识表达系统 | 第24-26页 |
| ·决策表 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 一种基于属性序约简的加权朴素贝叶斯算法 | 第31-44页 |
| ·几种分类方法 | 第31-32页 |
| ·几种约简算法 | 第32-35页 |
| ·基于 Pawlak 属性重要度的属性约简算法 | 第32-33页 |
| ·基于互信息的决策表属性约简算法 | 第33-34页 |
| ·决策表的属性值增量约简算法 | 第34-35页 |
| ·贝叶斯理论 | 第35-38页 |
| ·改进的朴素贝叶斯算法 | 第38-42页 |
| ·算法描述 | 第38-40页 |
| ·算法流程图 | 第40-41页 |
| ·算法性能分析 | 第41-42页 |
| ·实验结果分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于核属性的加权朴素贝叶斯分类算法 | 第44-52页 |
| ·问题的提出 | 第44页 |
| ·NPWNBC 算法 | 第44-49页 |
| ·求解核属性 | 第45-46页 |
| ·加权朴素贝叶斯模型构建 | 第46-48页 |
| ·算法流程图 | 第48-49页 |
| ·实例分析及实验 | 第49-51页 |
| ·实例分析 | 第49-51页 |
| ·实验结果分析 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·本文总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附 录 A（攻读硕士学位期间发表论文目录） | 第59-60页 |
| 中文详细摘要 | 第60-63页 |
| 英文详细摘要 | 第63-66页 |
