贝叶斯分类算法的研究与应用
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·研究背景和研究现状 | 第7-11页 |
| ·研究背景 | 第7页 |
| ·国内外研究现状 | 第7-11页 |
| ·研究内容和目的 | 第11-12页 |
| ·研究内容 | 第11-12页 |
| ·研究目的 | 第12页 |
| ·论文的组织结构 | 第12-13页 |
| 2 朴素贝叶斯分类模型 | 第13-18页 |
| ·贝叶斯理论相关知识 | 第13-14页 |
| ·基础知识 | 第13页 |
| ·贝叶斯决策准则 | 第13-14页 |
| ·极大后验假设 | 第14页 |
| ·朴素贝叶斯分类模型 | 第14-17页 |
| ·朴素贝叶斯分类器的优缺点 | 第17页 |
| ·本章小结 | 第17-18页 |
| 3 粗糙集理论和加权贝叶斯分类模型 | 第18-25页 |
| ·粗糙集基本理论 | 第18-20页 |
| ·粗糙集相关概念 | 第18-19页 |
| ·知识依赖性的度量 | 第19页 |
| ·属性的重要性 | 第19-20页 |
| ·粗糙集中两种度量属性重要度的方法 | 第20页 |
| ·信息论相关知识 | 第20-23页 |
| ·不确定信息的测度 | 第20-22页 |
| ·度量随机变量的相关性 | 第22页 |
| ·信息论中度量属性重要度的方法 | 第22-23页 |
| ·加权贝叶斯分类模型 | 第23-24页 |
| ·加权贝叶斯模型 | 第23页 |
| ·加权贝叶斯分类算法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 4 基于属性相关性的贝叶斯分类模型(CB 模型) | 第25-29页 |
| ·主要概念与定义 | 第25-26页 |
| ·构造CB 分类模型 | 第26-27页 |
| ·CB 分类算法 | 第27-28页 |
| ·CB 算法性能分析 | 第28页 |
| ·本章小结 | 第28-29页 |
| 5 属性相关性的加权贝叶斯分类算法研究 | 第29-35页 |
| ·主要概念 | 第29-30页 |
| ·WCB 分类模型 | 第30页 |
| ·WCB 模型的算法步骤 | 第30-32页 |
| ·实验及结果分析 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 6 结论与展望 | 第35-36页 |
| ·主要结论 | 第35页 |
| ·研究工作展望 | 第35-36页 |
| 致谢 | 第36-37页 |
| 参考文献 | 第37-41页 |
| 附录 | 第41页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第41页 |
