| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究的背景和意义 | 第9-10页 |
| 1.2 当前国内外研究现状 | 第10-11页 |
| 1.3 论文研究内容 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-13页 |
| 第2章 相关理论知识介绍 | 第13-26页 |
| 2.1 信息论理论 | 第13-14页 |
| 2.2 贝叶斯理论 | 第14-16页 |
| 2.2.1 概率论基础 | 第14-15页 |
| 2.2.2 贝叶斯定理 | 第15-16页 |
| 2.3 贝叶斯网络分类模型 | 第16-25页 |
| 2.3.1 朴素贝叶斯分类器 | 第17页 |
| 2.3.2 树增广朴素贝叶斯分类器 | 第17-20页 |
| 2.3.3 平均一阶依赖贝叶斯分类器 | 第20-22页 |
| 2.3.4 K阶依赖贝叶斯分类器 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于互信息属性选择的一阶依赖贝叶斯分类算法 | 第26-39页 |
| 3.1 AS_TAN分类器 | 第26-31页 |
| 3.1.1 算法的提出 | 第26页 |
| 3.1.2 AS_TAN分类器 | 第26-30页 |
| 3.1.3 计算后验概率 | 第30-31页 |
| 3.2 AS_LTAN分类器 | 第31-34页 |
| 3.2.1 局部模型思想 | 第31-32页 |
| 3.2.2 AS_LTAN分类器结构 | 第32-33页 |
| 3.2.3 计算后验概率 | 第33-34页 |
| 3.3 GL_AS_TAN分类器 | 第34-38页 |
| 3.3.1 算法思想 | 第34-35页 |
| 3.3.2 GL_AS_TAN分类器结构 | 第35-37页 |
| 3.3.3 计算后验概率 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于自适应属性选择的一阶依赖贝叶斯分类算法 | 第39-47页 |
| 4.1 反馈系统的概念 | 第39页 |
| 4.2 K_TAN算法 | 第39-44页 |
| 4.3 K_TAN_D算法 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 实验与分析 | 第47-57页 |
| 5.1 实验基础 | 第47-48页 |
| 5.1.1 实验环境 | 第47页 |
| 5.1.2 实验数据集 | 第47-48页 |
| 5.2 实验方法和评估标准 | 第48-49页 |
| 5.3 实验结果及分析 | 第49-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 论文总结 | 第57-58页 |
| 6.2 未来展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 作者简介及在学期间所取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |