基于概率图模型的数据清洗
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 “脏数据”的类型 | 第9-10页 |
| 1.2.2 数据清洗方法 | 第10-13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第2章 背景知识 | 第16-22页 |
| 2.1 概率图模型简介 | 第16-19页 |
| 2.2 不确定性数据管理简介 | 第19-22页 |
| 第3章 缺失数据填补 | 第22-34页 |
| 3.1 问题描述 | 第22-23页 |
| 3.2 从不完整数据库中学习贝叶斯网络 | 第23-26页 |
| 3.3 基于概率推理的缺失数据填补 | 第26-29页 |
| 3.4 实验结果分析 | 第29-34页 |
| 3.4.1 实验设置 | 第29页 |
| 3.4.2 贝叶斯网络学习的正确性及效率分析 | 第29-31页 |
| 3.4.3 推理算法的收敛性分析 | 第31页 |
| 3.4.4 缺失数据填补的有效性及效率分析 | 第31-34页 |
| 第4章 错误数据检测 | 第34-47页 |
| 4.1 问题描述 | 第34-36页 |
| 4.2 基于查询构建贝叶斯网络 | 第36-38页 |
| 4.3 检测错误数据 | 第38-43页 |
| 4.4 实验结果分析 | 第43-47页 |
| 4.4.1 实验设置 | 第43页 |
| 4.4.2 情境计算的收敛性及效率分析 | 第43-44页 |
| 4.4.3 错误检测的有效性及效率分析 | 第44-47页 |
| 第5章 总结与展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 附录 | 第51-60页 |
| A1.攻读硕士学位期间发表的论文 | 第51页 |
| A2.论文中主要算法的实现代码 | 第51-60页 |
| 致谢 | 第60页 |
