基于粗糙集合和朴素贝叶斯模型的分类问题研究

论文题目: 基于粗糙集合和朴素贝叶斯模型的分类问题研究

论文类型: 硕士论文

论文专业: 计算机软件与理论

作者: 郭亚光

导师: 胡学钢

关键词: 粗糙集合,约简,朴素贝叶斯,分类

文献来源: 合肥工业大学

发表年度: 2005

论文摘要: KDD是在数据库和人工智能的相互融合渗透中逐渐发展起来的一个有着广阔应用前景的新兴研究领域,是从数据中提取人们感兴趣的、潜在的、可用的知识,并表示成用户可理解的形式。分类是KDD领域中重要的研究分支。由波兰数学家Pawlak提出的料糙集合理论是一种表示和处理不确定性知识的方法,在KDD领域中具有越来越重要的地位。朴素贝叶斯分类技术是以贝叶斯定理、最大后验假设等理论为基础,其分类模型由于简单、易于实现而受到普遍青睐。本文对基于粗糙集合和朴素贝叶斯的分类问题进行了研究,主要包括以下几个方面的内容:研究了不完备信息系统中粗糙集合理论的扩展,提出了一种基于属性重要度的粗集扩展模型。将粗糙集合理论引入朴素贝叶斯分类模型的研究中,提出了基于信息熵的近似属性约简算法(MAIR),改善条件属性间的依赖关系,最大程度上满足朴素贝叶斯分类条件独立性假设的要求。在MAIR算法的基础上提出了基于粗糙集合理论的朴素贝叶斯分类算法(RSBC),实验证明,该算法在分类正确率上优于朴素贝叶斯分类算法。

论文目录:

第一章 绪论

1.1 KDD

1.1.1 KDD定义及研究现状

1.1.2 KDD与相关技术的比较

1.1.3 KDD的主要任务

1.1.4 KDD发展趋势

1.2 KDD中的分类问题

1.2.1 分类问题的定义

1.2.2 几种主要的分类模型

1.2.3 分类模型的评估

1.3 本文的内容组织

第二章 贝叶斯理论与贝叶斯分类模型

2.1 贝叶斯分类的一般原理

2.1.1 贝叶斯定理

2.1.2 极大后验假设与极大似然假设

2.2 几种常见的贝叶斯分类模型

2.2.1 朴素贝叶斯分类模型及扩展

2.2.1.1 朴素贝叶斯分类原理

2.2.1.2 对朴素贝叶斯分类模型的改进

2.2.2 提升的朴素贝叶斯分类器

2.2.3 贝叶斯网络分类器

2.2.4 增量贝叶斯分类模型

2.3 本章小结

第三章 粗糙集合理论及其扩展模型研究

3.1 粗糙集合理论的研究概述

3.2 粗糙集合理论的基本概念

3.2.1 近似空间的概念

3.2.2 粗糙集合的基本概念

3.2.3 基于粗糙集合理论的知识约简

3.2.3.1 约简的定义

3.2.3.2 相关概念

3.2.3.3 常见的几种约简算法介绍

3.3 不完备信息系统中ROUGH集扩展模型研究

3.3.1 Rough集的几种扩展模型

3.3.2 基于属性重要性的Rough集扩展模型

3.4 本章小结

第四章 基于粗糙集合理论的朴素贝叶斯分类研究

4.1 问题的提出

4.2 基于粗糙集合理论的朴素贝叶斯分类算法(RSBC)

4.2.1 数据预处理

4.2.2 基于粗集的数据预处理

4.2.3 基于信息熵的近似属性约简算法(MAIR)

4.2.4 RSBC分类算法模型

4.2.4.1 RSBC算法的理论依据

4.2.4.2 RSBC算法描述

4.2.5 RSBC算法实验结果及分析

4.2.5.1 实验数据

4.2.5.2 实验平台及实验步骤

4.2.5.3 RSBC算法和NBC算法实验结果分析

4.3 本章小结

第五章 结束语

5.1 本文总结

5.2 工作展望

参考文献

攻读硕士学位期间参加研究的课题和发表的论文

发布时间: 2005-07-13

参考文献

• [1].粗糙集在数据挖掘不确定性问题中的研究[D]. 魏悦亮.中国石油大学2010
• [2].基于粗糙集理论的地理要素选取方法研究[D]. 王思宇.湖北大学2018
• [3].区间集粗糙集理论与聚类算法研究[D]. 严旭.青海师范大学2018
• [4].基于粗糙集的图匹配算法[D]. 张鑫.西安建筑科技大学2018
• [5].基于优势关系的增量信息系统属性约简方法研究[D]. 陈扬.哈尔滨工业大学2018
• [6].粗糙集在数据挖掘中的应用研究[D]. 仇丽青.山东师范大学2005
• [7].基于粗糙集理论的图像分割研究[D]. 谢琪.中南大学2011
• [8].基于粗糙集理论和神经网络的图像识别系统[D]. 胡卫东.电子科技大学2011
• [9].基于粗糙集理论的空间数据挖掘研究[D]. 覃伟荣.广西大学2008
• [10].基于粗糙集理论的决策树生成与剪枝方法[D]. 王名扬.东北师范大学2005

相关论文

• [1].基于改进的K-均值算法的朴素贝叶斯分类及应用[D]. 李艳.合肥工业大学2007
• [2].基于遗传算法和朴素贝叶斯分类的邮件过滤系统研究[D]. 刘信杰.合肥工业大学2007
• [3].基于聚类的朴素贝叶斯分类模型的研究与应用[D]. 张亚萍.合肥工业大学2006
• [4].贝叶斯分类器研究及其在Web文档分类中的应用[D]. 侯小静.郑州大学2005
• [5].基于无监督聚类和朴素贝叶斯分类的文本分类方法研究[D]. 祝翠玲.山东大学2005
• [6].朴素贝叶斯分类模型的研究与应用[D]. 王峻.合肥工业大学2006
• [7].基于遗传算法的朴素贝叶斯分类研究[D]. 胡为成.合肥工业大学2006
• [8].基于朴素贝叶斯的分类方法研究[D]. 周龙.安徽大学2006
• [9].使用贝叶斯方法的数据挖掘及应用研究[D]. 樊建聪.山东科技大学2003
• [10].数据挖掘系统及其应用研究——用关联特征提高朴素贝叶斯文本分类器的性能[D]. 张利军.西北工业大学2003

标签：粗糙集合论文;  约简论文;  朴素贝叶斯论文;  分类论文;