文档介绍：:..
学位论文作者:欺阳辫学位论文作者:欲两学位论文使用授权声明原创性声明日期:弘陟年月弓日期:矽忙年鹿日本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律责任由本人承担。本人在导师指导下完成的论文及相关的职务作品,知识产权归属郑州大学。根据郑州大学有关保留、使用学位论文的规定,同意学校保留或向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅;本人授权郑州大学可以将本学位论文的全部或部分编入有关数据库进行检索,可以采用影印、缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学位论文或与该学位论文直接相关的学术论文或成果时,第一署名单位仍然为郑州大学。保密论文在解密后应遵守此规定。‘
摘要朴素贝叶斯琋是一种经典的机器学习算法,它具有训练时间短,模型简单,泛化正确率高等优点,并且在实际生活中得到了广泛的应用。但它也有先天的不足:不能很好的拟合训练数据局部分布特征,生成参数学习算法不太适合分类任务等。局部加权朴素贝叶斯琇是朴素贝叶斯的一种较好的改进,判别频率估计可以极大的提高朴素贝叶斯的泛化正确率。受和舴ⅲ岢鍪账蹩间,判别学习朴素贝叶斯参数算法:对于一个待分类实例,寻找包含全体训练实例的全局空间的一系列逐渐缩小的子空间,这些子空间具有下列两种性质:⑺嵌及掷嗍道、一个空间一定包含在任何一个比它大的空间中。在逐渐缩小的空间上使用修改的惴ń进的学习朴素贝叶斯的参数,使用分类给定的待分类实例。与的根本不同是:褂萌逖盗肥道捌铀乇匆端共⑶褿可以实现为非懒惰版本。本文实现了木霾呤靼姹欠抢炼杷惴ǎ褂镁霾呤餮罢易涌占洹J笛榻峁允荆隒以及贝叶斯分类算法,,蘼壅庑┧惴ㄊ褂门斜鸹蛏煞椒ㄑ安问相比,躍具有较高的泛化正确率。并且甌的分类速度明显快于。关键词:朴素贝叶斯局部模型全局模型决策树贝叶斯树,珿.,珺
、Ⅳ,,,..籅琩甀,.甀甀瑆,瓵..,,甀’
目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯匆端狗掷嗥鳌账蹩占涞牟问斜鹧八惴ā.....................................⋯................................................:.............研究背景与现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本文工作概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯论文组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯贝叶斯相关理论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯贝叶斯分类模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.生成和判别参数学习⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..收缩空间判别学习参数算法思想⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯使用决策树快速寻找局部空间⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.:⑿⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..·
笛橛胄阅芊治觥芙峒罢雇!骸参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.个人简历、在学期间发表的学术论文与研究成果⋯⋯⋯⋯⋯⋯⋯⋯甌算法描述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯实验环境⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。实验数据⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯实验方法及分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.目录实验一⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..笛槎.
髀研究背景与现状朴素贝叶斯【作为数据挖掘领域的一种重要算法,其模型简单、训练时间短、泛化正确率高的优点吸引了大量学者对其研究。为了进一步提高朴素贝叶斯的泛化正确率,树增强朴素贝叶斯【,贝叶斯网【,局部加权朴素贝叶斯【浚素贝叶斯】等算法被提出,它们都是通过削弱条件独立假设增强对训练数据的拟合程度来提高朴素贝叶斯的泛化正确率。判别参数学习【渴橇硪恢痔岣咂铀乇匆斯泛化正确率的方法。受局部加权朴素贝叶斯及判别参数学习启发,本文提出收缩空间判别学习朴素贝叶斯参数的算法。本章第一节介绍朴素贝叶斯算法的研究背景与现状,第二节简述本文的主要工作和贡献,第三节给出全文的组织结构。随着信息化深入到社会生活的各个角落,