朴素贝叶斯分类改进算法的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·课题研究背景和研究现状 | 第7-11页 |
| ·研究背景 | 第7页 |
| ·国内外研究现状 | 第7-11页 |
| ·研究内容和目的 | 第11页 |
| ·研究内容 | 第11页 |
| ·研究目的 | 第11页 |
| ·论文的组织结构 | 第11-13页 |
| 2 聚类分析理论和朴素贝叶斯分类算法 | 第13-19页 |
| ·聚类分析思想 | 第13-14页 |
| ·基本思想 | 第13页 |
| ·传统的聚类算法 | 第13-14页 |
| ·聚类算法在贝叶斯分类中的应用 | 第14页 |
| ·贝叶斯理论概况 | 第14-16页 |
| ·基础知识 | 第14-15页 |
| ·贝叶斯判别准则 | 第15页 |
| ·极大后验假设和极大似然假设 | 第15-16页 |
| ·朴素贝叶斯分类模型 | 第16-18页 |
| ·模型描述 | 第16-17页 |
| ·朴素贝叶斯分类算法的优点和缺陷 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 3 朴素贝叶斯分类模型的改进方法 | 第19-23页 |
| ·SNBC 分类模型 | 第19-20页 |
| ·TAN 分类模型 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 4 基于条件互信息下聚类的朴素贝叶斯分类算法 | 第23-27页 |
| ·相关概念 | 第23页 |
| ·INB 聚类算法与步骤 | 第23-25页 |
| ·算法描述 | 第23-24页 |
| ·INB 算法的步骤 | 第24-25页 |
| ·仿真实验 | 第25页 |
| ·本章小节 | 第25-27页 |
| 5 不同类变量下属性聚类的朴素贝叶斯分类算法 | 第27-31页 |
| ·基于 2统计度量属性相关性 | 第27-28页 |
| ·NACDC 属性聚类算法 | 第28-29页 |
| ·聚类方法的描述 | 第28页 |
| ·基于 2统计量的聚类算法 | 第28-29页 |
| ·NACDC 模型 | 第29页 |
| ·仿真实验 | 第29-30页 |
| ·本章结语 | 第30-31页 |
| 6 总结与展望 | 第31-32页 |
| 致谢 | 第32-33页 |
| 参考文献 | 第33-37页 |
| 附录 | 第37页 |
| 作者在攻读硕士学位期间发表的论文目录 | 第37页 |
