| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景和研究现状 | 第8-10页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 国内外研究现状 | 第8-10页 |
| 1.2 研究内容和目的 | 第10-11页 |
| 1.2.1 研究内容 | 第10-11页 |
| 1.2.2 研究目的 | 第11页 |
| 1.3 组织架构 | 第11-12页 |
| 第二章 Copula函数基础理论 | 第12-18页 |
| 2.1 Copula函数 | 第12-14页 |
| 2.2 Copula函数的基本性质 | 第14-15页 |
| 2.3 Copula函数与相关性度量 | 第15-18页 |
| 第三章 朴素贝叶斯分类器与k近邻分类器理论概述 | 第18-24页 |
| 3.1 朴素贝叶斯分类器 | 第18-21页 |
| 3.1.1 贝叶斯决策论 | 第18-20页 |
| 3.1.2 朴素贝叶斯分类模型 | 第20-21页 |
| 3.2 k近邻分类器 | 第21-24页 |
| 3.2.1 k近邻模型 | 第21-22页 |
| 3.2.2 k近邻模型的距离度量 | 第22-23页 |
| 3.2.3 k近邻模型的分类决策规则 | 第23-24页 |
| 第四章 由Copula改进的两种机器学习算法在文本分类中的应用 | 第24-38页 |
| 4.1 数据收集与预处理 | 第24-27页 |
| 4.1.1 数据的收集 | 第24页 |
| 4.1.2 数据预处理 | 第24-25页 |
| 4.1.3 数据描述 | 第25-26页 |
| 4.1.4 评价指标的设定 | 第26-27页 |
| 4.2 基于Copula的贝叶斯分类模型 | 第27-33页 |
| 4.2.1 模型构建 | 第27-29页 |
| 4.2.2 实证分析 | 第29-32页 |
| 4.2.3 结果分析 | 第32-33页 |
| 4.3 基于Copula的k近邻分类模型 | 第33-36页 |
| 4.3.1 模型构建 | 第33-34页 |
| 4.3.2 实证分析 | 第34-36页 |
| 4.3.3 结果分析 | 第36页 |
| 4.4 本章小结 | 第36-38页 |
| 第五章 Copula的相关性度量在学生成绩分析中的应用 | 第38-46页 |
| 5.1 数据收集与预处理 | 第38-40页 |
| 5.2 基于Copula的学生成绩极值与均值的相关性研究 | 第40-45页 |
| 5.2.1 参数估计 | 第40-41页 |
| 5.2.2 模型的选取 | 第41-44页 |
| 5.2.3 相关性分析 | 第44-45页 |
| 5.3 本章小结 | 第45-46页 |
| 第六章 结论与展望 | 第46-48页 |
| 6.1 主要结论 | 第46页 |
| 6.2 研究工作展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 发表论文和参加科研情况 | 第52-54页 |
| 附录 | 第54-56页 |
| 致谢 | 第56页 |
