文摘
英文文摘
声明
致谢
1引言
1.1课题背景
1.2本文所完成的工作
1.3论文的组织安排
2面向分类学习的离散化方法综述
2.1数据
2.1.1定性与定量数据
2.1.2度量标度级别
2.2数据挖掘
2.2.1数据挖掘的概念
2.2.2数据挖掘的功能与方法
2.2.3数据挖掘中数据的预处理
2.3分类
2.3.1分类概述
2.3.2分类误差
2.3.3朴素贝叶斯分类方法概述
2.3.4朴素贝叶斯中的属性处理
2.4离散化
2.4.1离散化概念
2.4.2离散化的重要性
2.4.3离散化评价标准
2.4.4离散化和朴素贝叶斯
2.4.5离散化方法分类
2.5本章小结
3 Weka系统中的离散化
3.1Weka概述
3.2 Weka系统结构
3.2.1 Weka的数据格式
3.2.2 Weka结构分析
3.2.3 Weka系统设计
3.3 Weka中的离散化
3.3.1 Filters包分析
3.3.2 Weka中离散化的实现
3.4本章小结
4一种基于MDL的离散化算法
4.1信息论
4.2 MDL准则
4.2.1 MDL概述
4.2.2数据压缩
4.2.3编码
4.3熵最小离散化方法
4.3.1相关概念
4.3.2算法描述
4.3.3 Fayyad的MDL准则
4.3.4 EMD方法评价
4.4一种基于MDL准则的离散化方法
4.4.1算法描述
4.4.2 MDL准则
4.5本章小结
5一种比例熵最小离散化算法
5.1最简单的离散化方法
5.2比例离散化方法
5.3比例熵最小离散化方法
5.3.1算法原理
5.3.2算法描述
5.4本章小结
6实验及结果
6.1实验方法
6.2数据集描述
6.3实验结果及分析
6.4本章小结
7结论
7.1研究工作总结
7.2进一步研究的考虑
参考文献