| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-15页 |
| §1.1 研究背景和问题概述 | 第10-11页 |
| §1.2 国内外研究现状 | 第11-12页 |
| §1.3 研究内容 | 第12-13页 |
| §1.4 论文结构 | 第13-15页 |
| 第二章 相关方法的理论介绍 | 第15-23页 |
| §2.1 最大熵模型 | 第15-17页 |
| §2.2 最大熵模型的学习和最优化算法 | 第17-19页 |
| 2.2.1 最大熵模型的学习 | 第17-19页 |
| 2.2.2 GIS模型学习的最优化算法 | 第19页 |
| §2.3 PageRank算法和求解 | 第19-21页 |
| 2.3.1 PageRank算法 | 第19-21页 |
| 2.3.2 PageRank幂法求解 | 第21页 |
| §2.4 K-means聚类方法 | 第21-22页 |
| §2.5 本章小结 | 第22-23页 |
| 第三章 特征选取和模型的构造 | 第23-33页 |
| §3.1 特征选取 | 第23-28页 |
| 3.1.1 基础技术特征的选取 | 第23-24页 |
| 3.1.2 球队疲劳状态特征提取 | 第24-25页 |
| 3.1.3 基于PageRank思想球队真实相对实力 | 第25-28页 |
| §3.2 特征离散化预处理 | 第28-31页 |
| §3.3 NBAME模型的实现 | 第31-32页 |
| §3.4 本章小结 | 第32-33页 |
| 第四章 实验分析和预测 | 第33-42页 |
| §4.1 实验数据管理和特征提取 | 第33-34页 |
| §4.2 NBAME模型的训练和比赛预测结果分析 | 第34-39页 |
| §4.3 现有机器学习方法的比赛预测分析 | 第39-41页 |
| §4.4 本章小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-44页 |
| §5.1 全文总结 | 第42页 |
| §5.2 未来展望 | 第42-44页 |
| 参考文献 | 第44-49页 |
| 致谢 | 第49-50页 |
| 攻读硕士学位期间的主要研究成果 | 第50页 |