基于空间分布信息的连续属性贝叶斯分类研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 本文主要内容 | 第12-14页 |
| 2 贝叶斯理论与贝叶斯分类模型 | 第14-28页 |
| 2.1 贝叶斯网络理论基础 | 第14-16页 |
| 2.2 贝叶斯决策 | 第16-19页 |
| 2.2.1 最小错误率贝叶斯决策 | 第16-18页 |
| 2.2.2 最小风险贝叶斯决策 | 第18-19页 |
| 2.3 概率密度估计 | 第19-22页 |
| 2.3.1 有参数估计方法 | 第19-21页 |
| 2.3.2 非参数估计方法 | 第21-22页 |
| 2.4 典型贝叶斯分类模型 | 第22-27页 |
| 2.4.1 朴素贝叶斯分类器 | 第23-24页 |
| 2.4.2 半朴素贝叶斯分类器 | 第24-25页 |
| 2.4.3 树扩展贝叶斯分类器 | 第25-26页 |
| 2.4.4 完全贝叶斯分类器 | 第26-27页 |
| 2.5 分类性能评价标准 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 基于错误率加权的连续属性朴素贝叶斯分类器 | 第28-38页 |
| 3.1 加权朴素贝叶斯分类器 | 第28-30页 |
| 3.1.1 加权朴素贝叶斯分类模型 | 第28-29页 |
| 3.1.2 加权对分类的影响 | 第29-30页 |
| 3.2 连续属性贝叶斯分类器错误率 | 第30-32页 |
| 3.3 基于错误率加权的贝叶斯分类器 | 第32-35页 |
| 3.3.1 统计贝叶斯错误率 | 第33页 |
| 3.3.2 计算属性权值 | 第33-34页 |
| 3.3.3 算法流程 | 第34-35页 |
| 3.4 实验与分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 不平衡类数据集的连续属性贝叶斯分类研究 | 第38-51页 |
| 4.1 不平衡类分类问题 | 第38-40页 |
| 4.1.1 不平衡类分类问题基本特征 | 第38页 |
| 4.1.2 合理的评价标准 | 第38-40页 |
| 4.2 贝叶斯方法解决不平衡类分类 | 第40-46页 |
| 4.2.1 局部最优先验概率 | 第41-43页 |
| 4.2.2 Parzen窗估计 | 第43-45页 |
| 4.2.3 搜索最优窗宽 | 第45-46页 |
| 4.3 适应于不平衡类数据的贝叶斯分类器 | 第46-47页 |
| 4.4 实验与分析 | 第47-50页 |
| 4.5 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 | 第55-56页 |
| 攻读硕士学位期间学术成果情况 | 第56-57页 |
| 致谢 | 第57页 |
