首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

朴素贝叶斯与决策树混合分类方法的研究

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

论文共64页,点击 下载论文
上一篇:基于MapReduce可搜索加密的排序方案
下一篇:无线传感器网络数据融合中的隐私保护算法研究