基于朴素贝叶斯的分类方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 图表目录 | 第9-10页 |
| 第一章 绪论 | 第10-21页 |
| ·数据挖掘与 KDD | 第10-15页 |
| ·数据挖掘的基本概念 | 第10-12页 |
| ·数据挖掘的过程 | 第12页 |
| ·数据挖掘功能 | 第12-14页 |
| ·数据挖掘的发展趋势和方向 | 第14-15页 |
| ·分类 | 第15-19页 |
| ·分类的一般过程 | 第16页 |
| ·几种分类的方法 | 第16-19页 |
| ·本文的内容结构 | 第19-21页 |
| 第二章 贝叶斯理论与贝叶斯模型 | 第21-34页 |
| ·贝叶斯理论概况 | 第21-23页 |
| ·贝叶斯定理 | 第21-23页 |
| ·极大后验假设和极大似然假设 | 第23页 |
| ·几种贝叶斯分类模型 | 第23-33页 |
| ·朴素贝叶斯分类模型 | 第24-28页 |
| ·贝叶斯网络分类器 | 第28-32页 |
| ·增量贝叶斯分类模型 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 Rough集 | 第34-43页 |
| ·Rough集的基本概念 | 第35-37页 |
| ·属性的化简 | 第37-40页 |
| ·属性的简约 | 第37-38页 |
| ·属性的相对简约 | 第38-40页 |
| ·属性的依赖性 | 第40页 |
| ·粗糙集的研究现状 | 第40-42页 |
| ·Rough集数学性质方面的研究 | 第40-41页 |
| ·粗糙集理论有效算法方面的研究 | 第41页 |
| ·Rough集模型拓展方面的研究 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 朴素贝叶斯分类模型的改进 | 第43-58页 |
| ·SNBC模型 | 第44-45页 |
| ·TAN模型 | 第45-48页 |
| ·TAN模型及其构造方法 | 第46-48页 |
| ·LBR模型 | 第48-49页 |
| ·Multi-TTABAN模型 | 第49-57页 |
| ·Multi-TTABAN模型及其算法实现 | 第50-53页 |
| ·实验结果及分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 基于粗糙集和关联规则的贝叶斯 | 第58-68页 |
| ·相关工作 | 第58-59页 |
| ·属性约简 | 第59-62页 |
| ·关联规则 | 第62-63页 |
| ·一种基于粗糙集和关联规则的ABN | 第63-67页 |
| ·算法步骤 | 第63-64页 |
| ·实验分析 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| ·总结 | 第68-69页 |
| ·工作展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 读研期间发表的论文 | 第74-75页 |
| 致谢 | 第75页 |
