首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于贝叶斯理论的增量学习方法研究

摘要第3-4页
abstract第4-5页
第1章 绪论第8-13页
    1.1 课题研究的背景及意义第8-9页
    1.2 国内外的研究现状第9-11页
    1.3 本文研究的主要内容与组织架构第11-13页
第2章 文本分类相关技术与贝叶斯增量分类方案第13-33页
    2.1 文本分类模型与相关技术研究第13-22页
        2.1.1 文本分类模型第13-15页
        2.1.2 文本表示第15-16页
        2.1.3 文本特征权重第16-18页
        2.1.4 特征选择与特征提取第18-20页
        2.1.5 文本分类算法第20-22页
    2.2 Bloom Filter简介第22-26页
        2.2.1 Bloom Filter原理第22-23页
        2.2.2 假阳性的计算与分析第23-26页
    2.3 贝叶斯原理与应用第26-31页
        2.3.1 贝叶斯定理第26-27页
        2.3.2 朴素贝叶斯分类器第27-28页
        2.3.3 贝叶斯网络分类器第28-31页
    2.4 整体方案设计第31-32页
    2.5 本章小结第32-33页
第3章 计数型BLOOM FILTER词频增量统计与降维第33-41页
    3.1 计数型Bloom Filter词频增量统计与降维第33-37页
        3.1.1 计数型BloomFilter第33页
        3.1.2 词频统计与降维第33-37页
    3.2 实验设计与结果分析第37-39页
        3.2.1 性能评测指标第37-38页
        3.2.2 实验环境第38页
        3.2.3 实验设计与结果分析第38-39页
    3.3 本章小结第39-41页
第4章 基于朴素贝叶斯的增量学习方法第41-53页
    4.1 朴素贝叶斯文本分类的应用与改进第41-43页
        4.1.1 朴素贝叶斯文本分类第41-42页
        4.1.2 加权朴素贝叶斯文本分类第42-43页
    4.2 贝叶斯增量学习原理与证明第43-46页
        4.2.1 贝叶斯增量学习原理第43-44页
        4.2.2 贝叶斯增量学习证明第44-46页
    4.3 置信度可调的序列选择增量学习方法第46-49页
        4.3.1 方法思想第46-47页
        4.3.2 增量方法描述与置信度第47-48页
        4.3.3 增量学习方法步骤第48-49页
    4.4 实验设计与结果分析第49-52页
        4.4.1 实验性能评估指标第49-50页
        4.4.2 实验设计与结果第50-51页
        4.4.3 结果分析第51-52页
    4.5 本章小结第52-53页
第5章 总结与展望第53-55页
    5.1 论文工作总结第53页
    5.2 存在的问题第53-54页
    5.3 未来工作展望第54-55页
参考文献第55-57页
致谢第57-58页
附录1 攻读硕士学位期间发表的论文第58页

论文共58页,点击 下载论文
上一篇:路由器虚拟化技术的研究与实现
下一篇:民办高校大学生思想政治教育对策研究