| 第一章 绪论 | 第1-19页 |
| ·数据挖掘概述 | 第11-12页 |
| ·什么是数据挖掘 | 第11页 |
| ·数据挖掘技术产生的背景 | 第11-12页 |
| ·数据挖掘的现实意义 | 第12页 |
| ·数据挖掘技术研究现状和发展趋势 | 第12-13页 |
| ·数据挖掘的主要任务 | 第13-14页 |
| ·数据挖掘中的分类问题 | 第14-17页 |
| ·常用的几种分类模型 | 第14-17页 |
| ·分类模型的评价 | 第17页 |
| ·本文的组织 | 第17-19页 |
| 第二章 贝叶斯理论和贝叶斯分类模型 | 第19-31页 |
| ·引言 | 第19页 |
| ·数理统计基础理论 | 第19-20页 |
| ·条件概率和乘法定理 | 第19页 |
| ·全概率公式和贝叶斯定理 | 第19-20页 |
| ·极大后验假设和极大似然假设 | 第20页 |
| ·事件的独立性 | 第20页 |
| ·贝叶斯分类模型 | 第20-30页 |
| ·朴素贝叶斯分类模型 | 第21-24页 |
| ·半朴素贝叶斯分类模型 | 第24页 |
| ·提升的朴素贝叶斯分类模型 | 第24-25页 |
| ·树扩展朴素贝叶斯分类模型 | 第25-26页 |
| ·贝叶斯网络分类模型 | 第26-29页 |
| ·增量贝叶斯分类模型 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于属性相关性分析的朴素贝叶斯分类模型 | 第31-40页 |
| ·问题的提出 | 第31页 |
| ·基于x~2统计的属性相关性度量 | 第31-32页 |
| ·基于属性相关性的属性约简方法 | 第32-34页 |
| ·基于属性相关性的朴素贝叶斯分类模型EANBC | 第34-36页 |
| ·EANBC分类算法的理论依据 | 第34-35页 |
| ·EANBC算法描述 | 第35-36页 |
| ·EANBC实验结果及分析 | 第36-39页 |
| ·实验数据 | 第36-38页 |
| ·实验平台及实验结果 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于强属性限定的贝叶斯分类模型 | 第40-45页 |
| ·问题的提出 | 第40页 |
| ·强属性的选择方法 | 第40页 |
| ·基于强属性限定的贝叶斯分类模型SANBC | 第40-43页 |
| ·贝叶斯定理的变形公式 | 第40-41页 |
| ·基于强属性限定的贝叶斯分类模型SANBC | 第41-42页 |
| ·P(a_i|c_j，K(a_i))的计算方法 | 第42-43页 |
| ·SANBC实验结果及分析 | 第43-44页 |
| ·实验数据 | 第43页 |
| ·实验平台 | 第43页 |
| ·实验结果分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 朴素贝叶斯分类模型在指导学生选择专业方向中的应用 | 第45-50页 |
| ·问题的提出 | 第45页 |
| ·建立专业方向选择的分类模型 | 第45-48页 |
| ·运用朴素贝叶斯分类器建立分类模型 | 第45-46页 |
| ·对学生实例进行分类预测 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·本文总结 | 第50页 |
| ·工作展望 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 附录 某届计算机科学与技术专业学生成绩信息表 | 第54-58页 |
| 在读期间发表的学术论文 | 第58页 |