基于关联信息的符号数据分类方法研究
| 中文摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 组织结构 | 第17-18页 |
| 第二章 背景知识 | 第18-22页 |
| 2.1 用于对比的符号数据分类方法简介 | 第18-20页 |
| 2.1.1 C4_5决策树 | 第18页 |
| 2.1.2 朴素贝叶斯方法 | 第18-19页 |
| 2.1.3 K-最近邻 | 第19页 |
| 2.1.4 Chen算法 | 第19-20页 |
| 2.2 条件熵和互信息 | 第20页 |
| 2.2.1 条件熵 | 第20页 |
| 2.2.2 互信息 | 第20页 |
| 2.3 本章小结 | 第20-22页 |
| 第三章 基于关联关系分析的符号数据分类方法 | 第22-30页 |
| 3.1 基于关联关系分析的分类方法 | 第22-25页 |
| 3.1.1 属性与标签的关联关系分析 | 第22-24页 |
| 3.1.2 CA_SVM算法 | 第24-25页 |
| 3.2 实验结果及分析 | 第25-29页 |
| 3.2.1 数据集与评价指标 | 第25页 |
| 3.2.2 CA_SVM算法性能 | 第25-27页 |
| 3.2.3 与其他方法的比较 | 第27-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 基于空间相关性分析的符号数据分类方法 | 第30-46页 |
| 4.1 空间相关性分析 | 第30-33页 |
| 4.2 基于空间相关性分析的分类方法 | 第33-34页 |
| 4.3 实验结果及分析 | 第34-44页 |
| 4.3.1 数据集与评价指标 | 第34页 |
| 4.3.2 SCA_SVM算法性能 | 第34-40页 |
| 4.3.3 SCA_KNN算法性能 | 第40-44页 |
| 4.3.4 SCA_SVM与SCA_KNN的比较 | 第44页 |
| 4.4 本章小结 | 第44-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读学位期间取得的研究成果 | 第52-54页 |
| 致谢 | 第54-56页 |
| 个人简况及联系方式 | 第56-57页 |
