收缩估计协方差矩阵的高斯贝叶斯分类算法的研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 朴素贝叶斯算法的研究现状 | 第12-13页 |
| 1.2.2 相关性分析的研究现状 | 第13-14页 |
| 1.2.3 协方差矩阵估计方法的研究现状 | 第14-15页 |
| 1.3 本文研究内容 | 第15页 |
| 1.4 本文的组织架构 | 第15-17页 |
| 第二章 相关理论背景 | 第17-25页 |
| 2.1 贝叶斯分类 | 第17-22页 |
| 2.1.1 贝叶斯分类器及其相关定义 | 第17-18页 |
| 2.1.2 朴素贝叶斯分类器 | 第18-22页 |
| 2.2 协方差与协方差矩阵 | 第22-23页 |
| 2.2.1 协方差 | 第22-23页 |
| 2.2.2 协方差矩阵 | 第23页 |
| 2.2.3 样本协方差矩阵 | 第23页 |
| 2.3 马氏距离 | 第23-24页 |
| 2.4 本章总结 | 第24-25页 |
| 第三章 RBLW估计协方差矩阵的高斯贝叶斯算法 | 第25-43页 |
| 3.1 传统的高斯贝叶斯分类器 | 第25-26页 |
| 3.2 高斯贝叶斯的正则化处理 | 第26-34页 |
| 3.2.1 先验概率的收缩估计 | 第26-27页 |
| 3.2.2 均值向量的收缩估计 | 第27页 |
| 3.2.3 协方差矩阵的收缩估计 | 第27-28页 |
| 3.2.4 最优线性收缩 | 第28-31页 |
| 3.2.5 最优收缩估计 | 第31-32页 |
| 3.2.6 RBLW收缩估计 | 第32-34页 |
| 3.3 算法流程 | 第34-35页 |
| 3.4 实验设计与结果分析 | 第35-41页 |
| 3.4.1 实验环境与数据集选取 | 第35-36页 |
| 3.4.2 实验方法 | 第36-37页 |
| 3.4.3 实验结果分析 | 第37-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 OAS估计协方差矩阵的高斯贝叶斯算法 | 第43-52页 |
| 4.1 OAS逼近收缩估计法 | 第43-45页 |
| 4.2 两种估计法的分析及对比 | 第45-46页 |
| 4.3 三种估计法的数值模拟 | 第46-47页 |
| 4.4 RBLW与OAS估计方法的实验对比 | 第47-51页 |
| 4.4.1 实验方法 | 第48页 |
| 4.4.2 实验结果分析 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-53页 |
| 5.1 工作总结 | 第52页 |
| 5.2 工作展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57页 |
