| 作者简历 | 第6-7页 |
| 摘要 | 第7-9页 |
| abstract | 第9-11页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 论文的研究背景和意义 | 第14-16页 |
| 1.2 国内外研究概况 | 第16-18页 |
| 1.3 论文的研究内容和创新点 | 第18-21页 |
| 1.4 论文的组织结构 | 第21-23页 |
| 第二章 贝叶斯网络分类算法相关理论及综述 | 第23-44页 |
| 2.1 引言 | 第23-24页 |
| 2.2 贝叶斯网络分类相关理论 | 第24-27页 |
| 2.2.1 概率论基础 | 第24-26页 |
| 2.2.2 极大后验假设 | 第26-27页 |
| 2.3 朴素贝叶斯网络分类算法 | 第27-29页 |
| 2.4 朴素贝叶斯网络分类算法的五大改进方向概述 | 第29-43页 |
| 2.4.1 结构扩展的朴素贝叶斯网络分类算法 | 第29-33页 |
| 2.4.2 实例选择的朴素贝叶斯网络分类算法 | 第33-35页 |
| 2.4.3 实例加权的朴素贝叶斯网络分类算法 | 第35-37页 |
| 2.4.4 属性选择的朴素贝叶斯网络分类算法 | 第37-39页 |
| 2.4.5 属性加权的朴素贝叶斯网络分类算法 | 第39-43页 |
| 2.5 本章小结 | 第43-44页 |
| 第三章 实验数据、实验平台以及评估方法介绍 | 第44-51页 |
| 3.1 引言 | 第44页 |
| 3.2 实验数据 | 第44-46页 |
| 3.2.1 数据集描述 | 第44-46页 |
| 3.2.2 数据集预处理 | 第46页 |
| 3.3 实验平台 | 第46-47页 |
| 3.4 评估方法 | 第47-50页 |
| 3.4.1 10次10折交叉验证 | 第47-48页 |
| 3.4.2 双尾t-test统计测试 | 第48-49页 |
| 3.4.3 Wilcoxon符号秩检验 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 基于相关性的属性值加权朴素贝叶斯网络分类算法 | 第51-75页 |
| 4.1 引言 | 第51-52页 |
| 4.2 属性值加权的朴素贝叶斯网络分类算法模型 | 第52-54页 |
| 4.3 基于相关性的属性值加权的朴素贝叶斯网络分类算法 | 第54-57页 |
| 4.4 基于相关性的属性值的权值的计算 | 第57-61页 |
| 4.4.1 相互信息方式度量属性值的权值 | 第57-59页 |
| 4.4.2 KL散度方式度量属性值的权值 | 第59-61页 |
| 4.5 实验设计与结果分析 | 第61-66页 |
| 4.6 新算法在岩爆预测中的应用研究 | 第66-74页 |
| 4.7 本章小结 | 第74-75页 |
| 第五章 属性值加权的一依赖估测器模型算法 | 第75-93页 |
| 5.1 引言 | 第75-76页 |
| 5.2 属性值加权的一依赖估测器模型算法 | 第76-79页 |
| 5.3 一依赖估计测模型的属性值的权值计算 | 第79-82页 |
| 5.3.1 KL散度方式度量属性值的权值 | 第79-80页 |
| 5.3.2 信息增益方式度量属性值的权值 | 第80-82页 |
| 5.4 实验设计与结果分析 | 第82-88页 |
| 5.5 新算法在边坡状态识别中的应用研究 | 第88-92页 |
| 5.6 本章小结 | 第92-93页 |
| 第六章 类依赖的属性加权的朴素贝叶斯网络分类算法 | 第93-111页 |
| 6.1 引言 | 第93-94页 |
| 6.2 类依赖的属性加权的朴素贝叶斯网络分类算法模型 | 第94-95页 |
| 6.3 类依赖的属性加权的朴素贝叶斯网络分类算法 | 第95-98页 |
| 6.4 构造目标函数计算权值矩阵 | 第98-100页 |
| 6.4.1 CLL方法计算属性的权值矩阵 | 第98-99页 |
| 6.4.2 MSE方法计算属性的权值矩阵 | 第99-100页 |
| 6.5 实验设计与结果分析 | 第100-106页 |
| 6.6 新算法在油水层识别中的应用研究 | 第106-110页 |
| 6.7 本章小结 | 第110-111页 |
| 第七章 总结与展望 | 第111-114页 |
| 7.1 本文的主要贡献与创新 | 第111-112页 |
| 7.2 下一步的研究工作展望 | 第112-114页 |
| 致谢 | 第114-115页 |
| 参考文献 | 第115-123页 |
