| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题背景 | 第10-11页 |
| ·数据挖掘简介 | 第11-14页 |
| ·数据挖掘流程 | 第11-13页 |
| ·数据挖掘的功能 | 第13-14页 |
| ·贝叶斯网络的发展与研究现状 | 第14-16页 |
| ·本文的内容与组织 | 第16-17页 |
| 第2章 贝叶斯网络的基本理论 | 第17-35页 |
| ·相关背景知识 | 第17-20页 |
| ·概率论基础 | 第17-18页 |
| ·信息论基础 | 第18-19页 |
| ·图论基础 | 第19-20页 |
| ·贝叶斯网络介绍 | 第20-24页 |
| ·贝叶斯概率 | 第20-21页 |
| ·朴素贝叶斯 | 第21-22页 |
| ·贝叶斯网络 | 第22-24页 |
| ·贝叶斯网络推理 | 第24-26页 |
| ·贝叶斯网络结构学习 | 第26-35页 |
| ·基于搜索和打分的方法 | 第26-31页 |
| ·基于依赖分析的方法 | 第31-35页 |
| 第3章 一种基于依赖分析的搜索打分算法CIWK | 第35-42页 |
| ·CIWK算法介绍 | 第35-37页 |
| ·算法复杂度的分析 | 第37页 |
| ·实验及结果分析 | 第37-42页 |
| ·实验配置 | 第37-38页 |
| ·实验结果分析 | 第38-42页 |
| 第4章 数据挖掘中分类器的研究与分析 | 第42-58页 |
| ·基于CIWK贝叶斯网络分类器与其它分类器简介 | 第42-48页 |
| ·基于决策书(decision tree)分类算法分类器 | 第42-44页 |
| ·朴素贝叶斯分类器(Naive Bayes，NB) | 第44-45页 |
| ·树增广的朴素贝叶斯分类器(TAN: TreeAugmented Naive-Bayes) | 第45-46页 |
| ·基于关联规则的分类算法的分类器 | 第46页 |
| ·基于神经网络的分类器 | 第46-47页 |
| ·基于CIWK贝叶斯网络分类器 | 第47-48页 |
| ·实验设计与结果分析 | 第48-58页 |
| ·实验流程设计 | 第48-49页 |
| ·分类器的评价指标 | 第49-50页 |
| ·结果与分析 | 第50-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-63页 |
| 个人简历 | 第63页 |
