| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 第一章 绪论 | 第6-10页 |
| ·常用的分类技术介绍 | 第6-8页 |
| ·分类性能评估技术 | 第8页 |
| ·本文的主要工作和内容安排 | 第8-10页 |
| 第二章 有监督的贝叶斯分类器学习 | 第10-26页 |
| ·概率论基础 | 第10-11页 |
| ·贝叶斯网络简介 | 第11-15页 |
| ·贝叶斯分类一般过程 | 第15页 |
| ·朴素贝叶斯分类模型 | 第15-18页 |
| ·两种典型的有监督的贝叶斯分类模型 | 第18-21页 |
| ·监督学习下贝叶斯分类模型研究现状总结 | 第21-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 增量贝叶斯分类器研究 | 第26-36页 |
| ·引言 | 第26页 |
| ·增量贝叶斯分类器预备知识 | 第26-27页 |
| ·增量朴素贝叶斯分类模型 | 第27-29页 |
| ·基于评分函数的增量树扩展贝叶斯分类算法 | 第29-32页 |
| ·实验仿真 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 属性联合的贝叶斯分类器研究 | 第36-48页 |
| ·属性选择问题产生 | 第36-37页 |
| ·常用属性选择方法 | 第37-38页 |
| ·FSSJ与BSEJ 算法 | 第38-40页 |
| ·加权朴素贝叶斯分类器及分类过程 | 第40-41页 |
| ·基于属性联合的加权朴素贝叶斯分类算法 | 第41-43页 |
| ·实验仿真 | 第43-46页 |
| ·本章小结 | 第46-48页 |
| 第五章 AdaBoost 技术学习贝叶斯分类器 | 第48-56页 |
| ·引言 | 第48页 |
| ·Adaboost 算法介绍 | 第48-50页 |
| ·K 依赖贝叶斯分类器 | 第50-51页 |
| ·利用A d a b o os t 算法提升K 依赖贝叶斯分类性能 | 第51-52页 |
| ·实验仿真 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第六章 结束语 | 第56-58页 |
| ·本文总结 | 第56页 |
| ·下一步工作展望 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 读研期间发表与创作的论文 | 第64-65页 |