| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外的研究现状 | 第13-15页 |
| 1.3 本文的主要内容与研究工作 | 第15页 |
| 1.4 论文组织 | 第15-17页 |
| 第2章 贝叶斯原理与朴素贝叶斯分类算法 | 第17-24页 |
| 2.1 贝叶斯基本原理 | 第17-19页 |
| 2.1.1 数理统计基础 | 第17-18页 |
| 2.1.2 贝叶斯定理 | 第18页 |
| 2.1.3 事件的独立性 | 第18-19页 |
| 2.2 贝叶斯分类概述 | 第19页 |
| 2.3 朴素贝叶斯分类器 | 第19-21页 |
| 2.3.1 分类模型 | 第19-20页 |
| 2.3.2 分类过程 | 第20-21页 |
| 2.3.3 算法总结 | 第21页 |
| 2.4 部分改进模型 | 第21-23页 |
| 2.4.1 树扩展朴素贝叶斯分类模型 | 第21-22页 |
| 2.4.2 加权朴素贝叶斯分类模型 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 隐朴素贝叶斯分类算法 | 第24-33页 |
| 3.1 信息论基础 | 第24-26页 |
| 3.1.1 熵和条件熵 | 第24-25页 |
| 3.1.2 互信息和条件互信息 | 第25-26页 |
| 3.2 隐朴素贝叶斯模型 | 第26-30页 |
| 3.2.1 模型结构 | 第26-27页 |
| 3.2.2 分类过程 | 第27-28页 |
| 3.2.3 算法实现过程 | 第28-29页 |
| 3.2.4 实验结果对比与分析 | 第29-30页 |
| 3.3 现有隐朴素贝叶斯算法的改进 | 第30-32页 |
| 3.3.1 包装的隐朴素贝叶斯算法(PHNB) | 第31页 |
| 3.3.2 双隐朴素贝叶斯(DHNB) | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 自适应属性选择的隐朴素贝叶斯算法 | 第33-48页 |
| 4.1 数据预处理 | 第33-35页 |
| 4.1.1 缺失值的处理 | 第33-34页 |
| 4.1.2 噪声数据的预处理 | 第34页 |
| 4.1.3 属性的离散化 | 第34-35页 |
| 4.2 属性选择 | 第35-37页 |
| 4.2.1 互信息最大化/最大相关性方法 | 第35-36页 |
| 4.2.2 最小冗余方法 | 第36页 |
| 4.2.3 最大相关最小冗余方法 | 第36-37页 |
| 4.3 属性选择的隐朴素贝叶斯算法 | 第37-41页 |
| 4.3.1 学习算法 | 第37-39页 |
| 4.3.2 实验结果对比与分析 | 第39-41页 |
| 4.4 自适应方法 | 第41-47页 |
| 4.4.1 自适应属性选择方法 | 第41-43页 |
| 4.4.2 自适应最大相关性属性选择的隐朴素贝叶斯算法 | 第43-45页 |
| 4.4.3 自适应增强类相关性属性选择的隐朴素贝叶斯算法 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 改进HNBC方法的窑前应用 | 第48-55页 |
| 5.1 回转窑工艺背景 | 第48-49页 |
| 5.2 回转窑控制的研究现状 | 第49-50页 |
| 5.3 热工数据的预处理 | 第50-51页 |
| 5.4 实验结果与分析 | 第51-54页 |
| 5.5 本章小结 | 第54-55页 |
| 论文总结与展望 | 第55-57页 |
| 1 本文总结 | 第55-56页 |
| 2 本文展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第62-63页 |
| 附录B 攻读硕士学位期间参研项目 | 第63-64页 |
| 致谢 | 第64页 |