文本分类中的贝叶斯特征选择
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·概述 | 第9-11页 |
| ·文本的数学表示 | 第11-12页 |
| ·文本分类中特征选择的研究现状 | 第12-13页 |
| ·特征选择的评价方法 | 第13-15页 |
| ·本文的主要工作和结构安排 | 第15-16页 |
| 第二章 贝叶斯推断基础 | 第16-37页 |
| ·引言 | 第16-17页 |
| ·分布函数与共扼先验 | 第17-18页 |
| ·贝叶斯图模型 | 第18-22页 |
| ·有向无圈图模型的贝叶斯框架 | 第19-21页 |
| ·无向可分解图模型的贝叶斯框架 | 第21-22页 |
| ·生成模型和贝叶斯网分类器 | 第22-33页 |
| ·朴素贝叶斯分类器 | 第24-27页 |
| ·TAN分类器 | 第27-31页 |
| ·FAN分类器 | 第31-33页 |
| ·贝叶斯模型选择与模型平均 | 第33-36页 |
| ·讨论 | 第36-37页 |
| 第三章 文本分类中贝叶斯特征选择范例 | 第37-61页 |
| ·引言 | 第37页 |
| ·基于模型的特征选择目标函数 | 第37-42页 |
| ·分类问题中的生成模型 | 第38页 |
| ·特征选择指示器 | 第38-39页 |
| ·先验设定和超参数选取 | 第39-41页 |
| ·目标函数:后验密度 | 第41-42页 |
| ·特征变量随机搜索 | 第42-43页 |
| ·后验推断 | 第43页 |
| ·实例研究 | 第43-59页 |
| ·RCV 1-v2数据集 | 第44-54页 |
| ·市长公开电话数据集(MPHT) | 第54-59页 |
| ·讨论 | 第59-61页 |
| 第四章 基于树结构的特征选择 | 第61-87页 |
| ·引言 | 第61页 |
| ·特征选择目标函数 | 第61-68页 |
| ·分类问题中的图模型 | 第61-63页 |
| ·特征选择指示器 | 第63-65页 |
| ·先验设定和超参数选取 | 第65-67页 |
| ·目标函数:后验密度 | 第67-68页 |
| ·特征搜索 | 第68-69页 |
| ·后验推断 | 第69页 |
| ·模拟和实例研究 | 第69-86页 |
| ·模拟数据 | 第70-76页 |
| ·DEXTER数据 | 第76-80页 |
| ·市长公开电话数据 | 第80-86页 |
| ·讨论 | 第86-87页 |
| 第五章 贝叶斯类别特征因子与特征平均 | 第87-94页 |
| ·引言 | 第87页 |
| ·模型细节 | 第87-90页 |
| ·朴素贝叶斯假设和模型分解 | 第87-88页 |
| ·特征选择指示器 | 第88-89页 |
| ·无信息先验 | 第89-90页 |
| ·贝叶斯类别特征因子 | 第90-91页 |
| ·贝叶斯特征平均 | 第91-92页 |
| ·实例研究 | 第92-93页 |
| ·讨论 | 第93-94页 |
| 结论 | 第94-95页 |
| 参考文献 | 第95-99页 |
| 后记 | 第99-100页 |
| 在学期间公开发表论文及著作情况 | 第100页 |
