基于聚类的朴素贝叶斯分类模型的研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-15页 |
| ·数据挖掘技术的产生及研究现状 | 第12-13页 |
| ·数据挖掘技术在教学管理中应用现状及意义 | 第13页 |
| ·本文研究内容及结构 | 第13-15页 |
| 第二章 数据挖掘概述 | 第15-19页 |
| ·数据挖掘定义 | 第15页 |
| ·数据挖掘方法简介 | 第15-16页 |
| ·数据挖掘流程 | 第16-18页 |
| ·定义问题 | 第16-17页 |
| ·数据预处理 | 第17页 |
| ·数据挖掘 | 第17-18页 |
| ·结果分析 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第三章 贝叶斯分类模型与聚类分析 | 第19-33页 |
| ·分类的基本概念 | 第19-20页 |
| ·分类概念 | 第19页 |
| ·分类方法的评估标准 | 第19-20页 |
| ·贝叶斯分类 | 第20-26页 |
| ·贝叶斯定理 | 第20-21页 |
| ·极大后验概率与极大似然概率 | 第21页 |
| ·朴素贝叶斯分类模型 | 第21-23页 |
| ·提升贝叶斯分类模型 | 第23-24页 |
| ·树扩展贝叶斯分类模型 | 第24-25页 |
| ·增量贝叶斯分类模型 | 第25-26页 |
| ·聚类分析 | 第26-32页 |
| ·聚类定义 | 第26-27页 |
| ·数据对象间的相异度 | 第27-29页 |
| ·属性间相异度矩阵 | 第29页 |
| ·主要聚类算法分析 | 第29-31页 |
| ·k-means聚类算法 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于聚类的朴素贝叶斯分类模型 | 第33-42页 |
| ·相关概念及方法 | 第33-34页 |
| ·缺失数据的定义 | 第33页 |
| ·缺失数据处理方法 | 第33-34页 |
| ·朴素贝叶斯分类模型的改进 | 第34-38页 |
| ·属性间的冗余与依赖关系的改进 | 第34-35页 |
| ·基于聚类的朴素贝叶斯分类模型 | 第35-38页 |
| ·CNBC实验结果及分析型 | 第38-41页 |
| ·实验数据 | 第38-40页 |
| ·实验平台及实验结果 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 CNBC在高校教学管理中的应用 | 第42-51页 |
| ·学生模型 | 第42-43页 |
| ·学生模型的特点和要求 | 第42页 |
| ·学生模型的分类 | 第42-43页 |
| ·学生就业/考研预测模型构建 | 第43-47页 |
| ·收集、描述数据 | 第43页 |
| ·数据的预处理 | 第43-44页 |
| ·加载挖掘数据库 | 第44页 |
| ·利用学生信息库的属性建立就业/考研预测模型 | 第44-47页 |
| ·模型设计与实现 | 第47-50页 |
| ·模型主要功能介绍 | 第47-50页 |
| ·结果分析 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第六章 结束语 | 第51-53页 |
| ·总结 | 第51-52页 |
| ·今后研究展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 攻读硕士学位期间发表的论文 | 第57页 |
