基于互信息的多层隐朴素贝叶斯算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外的研究现状与发展 | 第10-11页 |
| ·本文主要内容与工作 | 第11-12页 |
| ·论文的组织与安排 | 第12-14页 |
| 第2章 贝叶斯网络与贝叶斯分类器基础 | 第14-22页 |
| ·贝叶斯网络 | 第14-17页 |
| ·贝叶斯网络的构造 | 第14-15页 |
| ·贝叶斯网络参数学习 | 第15-17页 |
| ·贝叶斯网络结构学习 | 第17页 |
| ·贝叶斯算法原理分析 | 第17-19页 |
| ·贝叶斯定理 | 第18页 |
| ·最大后验假设与极大似然假设 | 第18-19页 |
| ·各种贝叶斯分类模型 | 第19-21页 |
| ·朴素贝叶斯分类模型（NBC） | 第19-20页 |
| ·树扩展朴素贝叶斯分类模型（TANC） | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 隐朴素贝叶斯分类模型 | 第22-30页 |
| ·信息论基础 | 第22-23页 |
| ·熵和条件熵 | 第22-23页 |
| ·互信息和条件互信息 | 第23页 |
| ·隐朴素贝叶斯分类模型 | 第23-28页 |
| ·概述 | 第23-24页 |
| ·分类模型结构 | 第24-25页 |
| ·隐藏父节点的定义 | 第25-26页 |
| ·算法实现过程 | 第26-27页 |
| ·实验结果对比及分析 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第4章 一种新的双隐朴素贝叶斯算法 | 第30-40页 |
| ·双隐朴素贝叶斯分类模型 | 第30-35页 |
| ·概述 | 第30页 |
| ·DHNB 分类模型的结构 | 第30-31页 |
| ·DHNB 算法实现过程 | 第31-33页 |
| ·概率为零之 M-估计 | 第33-34页 |
| ·阈值的选取 | 第34-35页 |
| ·训练数据的处理 | 第35-37页 |
| ·缺失值的预处理 | 第35页 |
| ·噪声数据的预处理 | 第35-36页 |
| ·连续属性的离散化 | 第36-37页 |
| ·实验方法与结果分析 | 第37-39页 |
| ·实验方法 | 第37-38页 |
| ·实验结果与分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第5章 DHNB 在回转窑喂煤决策中的应用 | 第40-47页 |
| ·统计学习在工业过程控制中的研究现状 | 第40-41页 |
| ·回转窑工艺与控制背景 | 第41-42页 |
| ·回转窑工艺特点 | 第41页 |
| ·回转窑的控制背景 | 第41-42页 |
| ·回转窑热工数据的预处理 | 第42-43页 |
| ·DHNB 喂煤决策实验结果分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 总结与展望 | 第47-49页 |
| 1 本文总结 | 第47页 |
| 2 本文展望 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第54-55页 |
| 附录 B 攻读硕士学位期间参研项目 | 第55-56页 |
| 致谢 | 第56-57页 |
