| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 朴素贝叶斯分类算法的研究现状 | 第11-14页 |
| 1.2.2 决策树算法的研究现状 | 第14-16页 |
| 1.2.3 朴素贝叶斯与其他算法结合的研究现状 | 第16页 |
| 1.3 论文主要工作和组织结构 | 第16-18页 |
| 第2章 相关理论概述 | 第18-26页 |
| 2.1 数据挖掘的概述 | 第18-19页 |
| 2.1.1 数据挖掘的主要任务 | 第18页 |
| 2.1.2 数据挖掘的流程 | 第18-19页 |
| 2.2 分类的定义 | 第19-21页 |
| 2.2.1 分类器的评估方法 | 第19-20页 |
| 2.2.2 常见的分类器的介绍 | 第20-21页 |
| 2.3 朴素贝叶斯分类方法 | 第21-24页 |
| 2.3.1 贝叶斯理论 | 第21-22页 |
| 2.3.2 朴素贝叶斯方法 | 第22-24页 |
| 2.4 决策树分类方法 | 第24-26页 |
| 第3章 基于朴素贝叶斯的概率估计优化算法 | 第26-39页 |
| 3.1 引言 | 第26页 |
| 3.2 朴素贝叶斯中的概率修正方法介绍 | 第26-28页 |
| 3.2.1 Laplace方法 | 第26-27页 |
| 3.2.2 m-估计方法 | 第27页 |
| 3.2.3 健壮性概率估计方法 | 第27-28页 |
| 3.3 优化函数的介绍 | 第28-30页 |
| 3.4 基于朴素贝叶斯的概率估计优化算法 | 第30-32页 |
| 3.5 实验与结果分析 | 第32-37页 |
| 3.5.1 数据集描述 | 第32-33页 |
| 3.5.2 实验设计 | 第33-34页 |
| 3.5.3 实验结果分析 | 第34-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第4章 朴素贝叶斯与决策树混合分类算法 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 决策树算法C5.0 | 第39-41页 |
| 4.3 朴素贝叶斯与决策树混合分类算法 | 第41-42页 |
| 4.4 实验与结果分析 | 第42-50页 |
| 4.4.1 数据集描述 | 第42-43页 |
| 4.4.2 实验设计 | 第43-45页 |
| 4.4.3 实验结果分析 | 第45-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 朴素贝叶斯与决策树混合分类算法的实际应用系统 | 第51-55页 |
| 5.1 引言 | 第51页 |
| 5.2 应用系统的实现 | 第51-54页 |
| 5.2.1 系统框架设计 | 第52页 |
| 5.2.2 系统开发工具与平台 | 第52-53页 |
| 5.2.3 应用系统的呈现 | 第53-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-58页 |
| 6.1 总结 | 第55-56页 |
| 6.2 未来展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64页 |