代价敏感贝叶斯分类方法改良
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·数据挖掘 | 第10-13页 |
| ·数据挖掘的相关概念 | 第10-11页 |
| ·数据挖掘的任务 | 第11-12页 |
| ·数据挖掘的方法 | 第12-13页 |
| ·贝叶斯分类 | 第13-14页 |
| ·代价敏感学习 | 第14页 |
| ·本课题的选题意义和研究内容 | 第14-16页 |
| 第二章 贝叶斯分类算法的理论基础和研究现状 | 第16-26页 |
| ·贝叶斯定理 | 第16页 |
| ·分类的概念 | 第16-18页 |
| ·朴素贝叶斯分类 | 第18-20页 |
| ·贝叶斯信念网络 | 第20-21页 |
| ·加权朴素贝叶斯分类模型 | 第21-24页 |
| ·加权朴素贝叶斯模型 | 第21页 |
| ·属性权值的计算 | 第21-22页 |
| ·算法原理 | 第22-24页 |
| ·隐藏贝叶斯 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 代价敏感的贝叶斯算法及其比较 | 第26-42页 |
| ·代价敏感的朴素贝叶斯分类算法 | 第28-29页 |
| ·代价函数的构造 | 第28页 |
| ·风险函数的构造 | 第28-29页 |
| ·代价函数中阈值的选择 | 第29页 |
| ·代价敏感的隐藏朴素贝叶斯分类算法 | 第29-30页 |
| ·基于重取样的代价敏感分类方法 | 第30-32页 |
| ·代价敏感支持向量机分类算法 | 第32-38页 |
| ·分类超平面 | 第32-33页 |
| ·超平面在二分类问题中的应用 | 第33-37页 |
| ·代价敏感支持向量机 | 第37-38页 |
| ·四种算法的实验比较 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 改进的代价敏感贝叶斯算法 | 第42-50页 |
| ·引言 | 第42页 |
| ·代价函数的构造 | 第42-44页 |
| ·风险函数的构造 | 第44-45页 |
| ·代价函数中参数值的确定 | 第45-46页 |
| ·实验 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与未来工作展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
