多模块集成式贝叶斯分类模型的研究-自动化基础-论文之家

您现在的位置：硕士论文 >> 电子论文 >> 自动化 >> 自动化基础 >> 正文

多模块集成式贝叶斯分类模型的研究

Form: 论文之家作者：孙铭会 Publish: 2007-8-7 Hits:-

【中文题名】

多模块集成式贝叶斯分类模型的研究

【英文题名】

Research of Multiply Sectioned Integration Bayesian Classifier Model

【学科专业】

计算机软件与理论

【论文级别】

硕士论文

【投稿时间】

2007-8-7

【中关键词】

数据挖掘,分类,贝叶斯网络,朴素贝叶斯,,

【英关键词】

【分类导航】

工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>>

【论文摘要】

贝叶斯网络分类方法是解决数据挖掘分类任务的一种重要方法,但是由于学习无限制条件的贝叶斯网络的时间复杂度很高,因此,研究具有限制性结构的贝叶斯网络逐渐成为一个活跃的研究领域。朴素贝叶斯分类模型是一种具有限制性结构且简单而有效的贝叶斯分类模型,但是属性的条件独立性假设使其无法正确表达属性变量间存在的依赖关系,影响了它的分类性能。本文针对它的这一缺点,通过分析贝叶斯定理的变异形式以及运用分治法的思想,提出一种新的基于贝叶斯定理的分类模型——多模块集成式贝叶斯分类模型(MSIB)。模型运用本文提出的一种基于信息熵的属性分割算法(FDBE)把特征属性集划分为若干个相互独立的特征属性子集,又根据这些特征属性子集的特点,提出一种混合式朴素贝叶斯分类模型(MNB),得到各子模块的分类条件概率表,然后通过贝叶斯定理的变形公式对各子模块的条件概率表进行整合,最后得到总体的分类结果。通过理论分析以及与朴素贝叶斯分类模型、树增广贝叶斯模型的实验对比表明,MSIB模型在解决分类问题时,具有较好的分类效果。

【论文题纲】

提要	4-7
第一章绪论	7-14
1.1 数据挖掘	7-10
1.1.1 数据挖掘定义	7-8
1.1.2 数据挖掘过程	8-9
1.1.3 数据挖掘任务	9-10
1.2 分类模型简介	10-13
1.3 本文研究目的和主要内容	13-14
第二章贝叶斯网络分类模型	14-24
2.1 贝叶斯概率基础	14-17
2.2 经典贝叶斯网络分类模型	17-23
2.2.1 朴素贝叶斯网络分类器	19-20
2.2.2 树增广朴素贝叶斯网络分类器	20-22
2.2.3 无约束贝叶斯网络分类器	22-23
2.3 本章小结	23-24
第三章基于信息熵的属性集分割	24-41
3.1 信息论相关概念	24-26
3.1.1 信息熵	24-25
3.1.2 互信息	25-26
3.2 数据预处理	26-30
3.2.1 数据清洗	26-27
3.2.2 数据选样	27-28
3.2.3 数据变换	28-29
3.2.4 数据规约	29-30
3.3 基于信息熵的属性集分割算法	30-35
3.3.1 算法中的概念定义	30-32
3.3.2 算法设计	32-34
3.3.3 算法实现	34-35
3.3.4 算法分析	35
3.4 实验及分析	35-40
3.5 本章小结	40-41
第四章多模块集成式贝叶斯分类模型	41-56
4.1 引言	41-42
4.2 多模块集成式贝叶斯分类模型	42-49
4.2.1 分而治之策略	42-44
4.2.2 MSI公式的推导	44-45
4.2.3 MSIB模型的定义及设计	45-47
4.2.4 混合式朴素贝叶斯分类模型	47-49
4.2.5 MSIB模型分析	49
4.3 分类器模型实现中的一些问题	49-52
4.3.1 概率估计	50
4.3.2 缺损值处理	50-51
4.3.3 评价方法	51-52
4.4 实验及结果分析	52-55
4.5 本章小结	55-56
第五章总结与展望	56-58
5.1 本文总结	56-57
5.2 工作展望	57-58
参考文献	58-62
摘要	62-64
Abstract	64-67
致谢	67-68
导师及作者简介	68

【DOI】

LunWen.ID:2.2008.388736



付费论文：有参考文献 300元

1、注册会员 2、购买本文 3、下载文章
注:此文为收费论文，需付费购买。每页大约1000字。

代写论文流程

载入中…

Web lunwenjia


热门搜索：数据挖掘论文分类贝叶斯网络朴素贝叶斯

自动化基础最新论文

自动化基础热门论文