貝葉斯網(wǎng)絡(luò)分類(lèi)器：算法與應(yīng)用

第1章 引 言
1．1 本書(shū)選題的背景和意義
1．2 如何閱讀本書(shū)
第2章 貝葉斯網(wǎng)絡(luò)分類(lèi)器基礎(chǔ)知識(shí)
2．1 分類(lèi)的定義
2．2 貝葉斯網(wǎng)絡(luò)的定義
2．3 貝葉斯規(guī)則
2．4 極大后驗(yàn)假設(shè)
2．5 樸素貝葉斯分類(lèi)器
第3章 基于結(jié)構(gòu)擴(kuò)展的貝葉斯網(wǎng)絡(luò)分類(lèi)器學(xué)習(xí)算法
3．1 結(jié)構(gòu)擴(kuò)展方法簡(jiǎn)介
3．2 現(xiàn)有工作綜述
3．3 加權(quán)平均的一依賴估測(cè)器
3．4 隱樸素貝葉斯
3．5 森林?jǐn)U展的樸素貝葉斯
3．6 平均樹(shù)擴(kuò)展的樸素貝葉斯
3．7 一依賴擴(kuò)展的樸素貝葉斯
3．8 隨機(jī)的一依賴估測(cè)器
3．9 基于條件似然對(duì)數(shù)的超父親算法
第4章 基于屬性選擇的貝葉斯網(wǎng)絡(luò)分類(lèi)器學(xué)習(xí)算法
4．1 屬性選擇方法簡(jiǎn)介
4．2 現(xiàn)有工作綜述
4．3 進(jìn)化的樸素貝葉斯
4．4 基于條件似然對(duì)數(shù)的選擇性樸素貝葉斯
4．5 隨機(jī)選擇的樸素貝葉斯
4．6 測(cè)試代價(jià)敏感的樸素貝葉斯
第5章 基于屬性加權(quán)的貝葉斯網(wǎng)絡(luò)分類(lèi)器學(xué)習(xí)算法
5．1 屬性加權(quán)方法簡(jiǎn)介
5．2 現(xiàn)有工作綜述
5．3 深度屬性加權(quán)的樸素貝葉斯
第6章 基于局部學(xué)習(xí)的貝葉斯網(wǎng)絡(luò)分類(lèi)器學(xué)習(xí)算法
6．1 局部學(xué)習(xí)方法簡(jiǎn)介
6．2 現(xiàn)有工作綜述
6．3 實(shí)例克隆的局部樸素貝葉斯
6．4 動(dòng)態(tài)鄰域的樸素貝葉斯
6．5 組合鄰域的樸素貝葉斯
第7章 基于實(shí)例加權(quán)的貝葉斯網(wǎng)絡(luò)分類(lèi)器學(xué)習(xí)算法
7．1 實(shí)例加權(quán)方法簡(jiǎn)介
7．2 現(xiàn)有工作綜述
7．3 實(shí)例加權(quán)的樸素貝葉斯
7．4 實(shí)例加權(quán)的半監(jiān)督樸素貝葉斯
7．5 實(shí)例克隆的樸素貝葉斯
7．6 判別加權(quán)的樸素貝葉斯
7．7 抽樣的貝葉斯網(wǎng)絡(luò)分類(lèi)器
7．8 基于差分演化算法的貝葉斯網(wǎng)絡(luò)分類(lèi)器
7．9 代價(jià)敏感的貝葉斯網(wǎng)絡(luò)分類(lèi)器
第8章 貝葉斯網(wǎng)絡(luò)分類(lèi)器在文本分類(lèi)中的應(yīng)用
8．1 文本分類(lèi)簡(jiǎn)介
8．1．1 文本數(shù)據(jù)的表示
8．1．2 文本分類(lèi)的基本過(guò)程
8．1．3 文本分類(lèi)算法綜述
8．2 樸素貝葉斯文本分類(lèi)器簡(jiǎn)介
8．2．1 伯努利樸素貝葉斯模型
8．2．2 多項(xiàng)式樸素貝葉斯模型
8．2．3 補(bǔ)集樸素貝葉斯模型
8．2．4 0VA模型
8．3 結(jié)構(gòu)擴(kuò)展的樸素貝葉斯文本分類(lèi)器
8．3．1 簡(jiǎn)介
8．3．2 結(jié)構(gòu)擴(kuò)展的多項(xiàng)式樸素貝葉斯
8．4 屬性選擇的樸素貝葉斯文本分類(lèi)器
8．4．1 簡(jiǎn)介
8．4．2 一種基于增益率的屬性選擇新方法
8．5 屬性加權(quán)的樸素貝葉斯文本分類(lèi)器
8．5．1 簡(jiǎn)介
8．5．2 一種基于相關(guān)性的屬性加權(quán)方法
8．5．3 一種基于增益率的屬性加權(quán)方法
8．5．4 一種基于決策樹(shù)的屬性加權(quán)方法
8．6 局部學(xué)習(xí)的樸素貝葉斯文本分類(lèi)器
8．6．1 簡(jiǎn)介
8．6．2 局部加權(quán)的樸素貝葉斯文本分類(lèi)器
8．6．3 多項(xiàng)式樸素貝葉斯樹(shù)
8．7 實(shí)例加權(quán)的樸素貝葉斯文本分類(lèi)器
8．7．1 簡(jiǎn)介
8．7．2 判別加權(quán)的樸素貝葉斯文本分類(lèi)器
第9章 貝葉斯網(wǎng)絡(luò)分類(lèi)器在距離度量中的應(yīng)用
9．1 距離度量簡(jiǎn)介
9．1．1 基于實(shí)例的學(xué)習(xí)
9．1．2 屬性類(lèi)型分類(lèi)
9．1．3 名詞性屬性距離度量
9．2 距離度量與貝葉斯網(wǎng)絡(luò)分類(lèi)器
9．2．1 值差度量與樸素貝葉斯分類(lèi)器
9．2．2 修改的Short-Fukunaga度量
9．2．3 利用貝葉斯網(wǎng)絡(luò)分類(lèi)器改進(jìn)基于概率的距離度量
9．3 一依賴的值差度量
9．3．1 簡(jiǎn)介
9．3．2 一依賴的值差度量
9．4 選擇性的值差度量
9．4．1 簡(jiǎn)介
9．4．2 為值差度量作屬性選擇
9．5 屬性加權(quán)的距離度量
9．5．1 簡(jiǎn)介
9．5．2 屬性加權(quán)的距離度量
9．6 局部的值差度量
9．6．1 簡(jiǎn)介
9．6．2 局部的值差度量
9．7 實(shí)例加權(quán)的值差度量
9．7．1 簡(jiǎn)介
9．7．2 實(shí)例加權(quán)的值差度量
參考文獻(xiàn)
附錄：LiSt of AbbreViationS英文縮寫(xiě)清單