文摘
英文文摘
第1章 绪论
1.1 研究背景及意义
1.1.1 数据挖掘概论
1.1.2 数据分类
1.2 贝叶斯分类的发展过程
1.3 论文的研究内容及组织结构
第2章 数据挖掘中的分类算法
2.1 分类问题的描述
2.1.1 分类的基本过程
2.1.2 分类数据的预处理
2.2 几种常用的分类算法
2.3 小结
第3章 贝叶斯分类器
3.1 贝叶斯分类理论
3.1.1 贝叶斯定理
3.1.2 极大后验假设
3.2 贝叶斯分类器的研究内容
3.3 朴素贝叶斯分类器
3.4 TAN-朴素贝叶斯分类器
3.5 贝叶斯信念网络分类器
3.6 增量贝叶斯分类模型
3.7 小结
第4章 基于属性相关性分析的贝叶斯分类器
4.1 相关性的定义
4.2 属性相关性分析
4.2.1 基于χ2统计量的属性相关性定义
4.2.2 基于条件互信息的属性相关性定义
4.2.3 基于属性相关性分析的贝叶斯分类思想
4.3 基于属性相关性的属性约简
4.4 基于属性约简的朴素贝叶斯分类器的改进模型
4.5 基于特征加权的朴素贝叶斯分类模型
4.6 基于属性相关性的加权模型
4.6.1 基于χ2统计量的加权方式
4.6.2 基于互信息的加权方式
4.6.3 基于广义相关性函数的加权方式
4.6.4 基于属性相关性的加权模型
4.7 小结
第5章 强属性限定的贝叶斯分类器
5.1 强属性限定的分类理论
5.2 强属性的选择方法
5.2.1 基于χ2统计量的强属性选择
5.2.2 基于信息论的强属性选择
5.2.3 自适应的强属性选择
5.3 强属性限定的混合贝叶斯分类算法
5.3.1 分类模型
5.3.2 算法的实现
5.4 分类实验
5.5 小结
第6章 贝叶斯分类器在CRM中的应用
6.1 CRM系统概述
6.1.1 CRM的概念
6.1.2 CRM系统的分类及功能
6.2 贝叶斯分类器在CRM中的应用
6.3 小结
第7章 总结与展望
7.1 本文总结
7.2 工作展望
致谢
参考文献
附录:攻读硕士学位期间公开发表的论文