贝叶斯网络分类器 算法与应用PDF|Epub|txt|kindle电子书版本网盘下载

贝叶斯网络分类器 算法与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 引言1

1.1 本书选题的背景和意义1

1.2 如何阅读本书2

第2章 贝叶斯网络分类器基础知识3

2.1 分类的定义3

2.2 贝叶斯网络的定义3

2.3 贝叶斯规则5

2.4 极大后验假设6

2.5 朴素贝叶斯分类器7

第3章 基于结构扩展的贝叶斯网络分类器学习算法12

3.1 结构扩展方法简介12

3.2 现有工作综述13

3.3 加权平均的一依赖估测器15

3.4 隐朴素贝叶斯17

3.5 森林扩展的朴素贝叶斯18

3.6 平均树扩展的朴素贝叶斯21

3.7 一依赖扩展的朴素贝叶斯23

3.8 随机的一依赖估测器23

3.9 基于条件似然对数的超父亲算法25

第4章 基于属性选择的贝叶斯网络分类器学习算法27

4.1 属性选择方法简介27

4.2 现有工作综述28

4.3 进化的朴素贝叶斯29

4.4 基于条件似然对数的选择性朴素贝叶斯31

4.5 随机选择的朴素贝叶斯32

4.6 测试代价敏感的朴素贝叶斯33

第5章 基于属性加权的贝叶斯网络分类器学习算法35

5.1 属性加权方法简介35

5.2 现有工作综述36

5.3 深度属性加权的朴素贝叶斯38

第6章 基于局部学习的贝叶斯网络分类器学习算法40

6.1 局部学习方法简介40

6.2 现有工作综述41

6.3 实例克隆的局部朴素贝叶斯43

6.4 动态邻域的朴素贝叶斯44

6.5 组合邻域的朴素贝叶斯45

第7章 基于实例加权的贝叶斯网络分类器学习算法47

7.1 实例加权方法简介47

7.2 现有工作综述48

7.3 实例加权的朴素贝叶斯49

7.4 实例加权的半监督朴素贝叶斯50

7.5 实例克隆的朴素贝叶斯51

7.6 判别加权的朴素贝叶斯54

7.7 抽样的贝叶斯网络分类器55

7.8 基于差分演化算法的贝叶斯网络分类器57

7.9 代价敏感的贝叶斯网络分类器59

第8章 贝叶斯网络分类器在文本分类中的应用61

8.1 文本分类简介61

8.1.1 文本数据的表示61

8.1.2 文本分类的基本过程62

8.1.3 文本分类算法综述63

8.2 朴素贝叶斯文本分类器简介64

8.2.1 伯努利朴素贝叶斯模型64

8.2.2 多项式朴素贝叶斯模型65

8.2.3 补集朴素贝叶斯模型66

8.2.4 OVA模型66

8.3 结构扩展的朴素贝叶斯文本分类器67

8.3.1 简介67

8.3.2 结构扩展的多项式朴素贝叶斯68

8.4 属性选择的朴素贝叶斯文本分类器70

8.4.1 简介70

8.4.2 一种基于增益率的属性选择新方法71

8.5 属性加权的朴素贝叶斯文本分类器72

8.5.1 简介72

8.5.2 一种基于相关性的属性加权方法73

8.5.3 一种基于增益率的属性加权方法74

8.5.4 一种基于决策树的属性加权方法75

8.6 局部学习的朴素贝叶斯文本分类器76

8.6.1 简介76

8.6.2 局部加权的朴素贝叶斯文本分类器76

8.6.3 多项式朴素贝叶斯树78

8.7 实例加权的朴素贝叶斯文本分类器79

8.7.1 简介79

8.7.2 判别加权的朴素贝叶斯文本分类器80

第9章 贝叶斯网络分类器在距离度量中的应用82

9.1 距离度量简介82

9.1.1 基于实例的学习82

9.1.2 属性类型分类83

9.1.3 名词性属性距离度量84

9.2 距离度量与贝叶斯网络分类器85

9.2.1 值差度量与朴素贝叶斯分类器85

9.2.2 修改的Short-Fukunaga度量86

9.2.3 利用贝叶斯网络分类器改进基于概率的距离度量88

9.3 一依赖的值差度量89

9.3.1 简介89

9.3.2 一依赖的值差度量90

9.4 选择性的值差度量92

9.4.1 简介92

9.4.2 为值差度量作属性选择93

9.5 属性加权的距离度量94

9.5.1 简介94

9.5.2 属性加权的距离度量95

9.6 局部的值差度量96

9.6.1 简介96

9.6.2 局部的值差度量97

9.7 实例加权的值差度量99

9.7.1 简介99

9.7.2 实例加权的值差度量100

参考文献102

附录：List of Abbreviations英文缩写清单108