貝葉斯網(wǎng)絡(luò)分類器：算法與應(yīng)用

定　價(jià)：￥35.00

作　者：	蔣良孝，李超群著
出版社：	中國地質(zhì)大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥33.30)

ISBN：	9787562537809	出版時(shí)間：	2015-12-01	包裝：	平裝
開本：	16開	頁數(shù)：	110	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《貝葉斯網(wǎng)絡(luò)分類器：算法與應(yīng)用》共分為三個(gè)部分：第一部分（第1一7章）介紹了貝葉斯網(wǎng)絡(luò)分類器的理論學(xué)習(xí)算法；第二部分（第8章）介紹了貝葉斯網(wǎng)絡(luò)分類器在文本分類中的應(yīng)用研究成果；第三部分（第9章）介紹了貝葉斯網(wǎng)絡(luò)分類器在距離度量中的應(yīng)用研究成果。三個(gè)部分的寫作思路都是在給出相關(guān)基礎(chǔ)知識(shí)和基本模型之后，從削弱屬性條件獨(dú)立假設(shè)的五個(gè)不同方向詳細(xì)介紹了基本模型的改進(jìn)思路和算法。目前，《貝葉斯網(wǎng)絡(luò)分類器：算法與應(yīng)用》涉及的核心研究成果大部分已公開發(fā)表在中國計(jì)算機(jī)學(xué)會(huì)推薦的國際重要期刊和會(huì)議論文集上，書中相關(guān)內(nèi)容詳細(xì)的介紹和實(shí)驗(yàn)結(jié)果可參閱編著者近年來發(fā)表的學(xué)術(shù)論文。

作者簡(jiǎn)介

暫缺《貝葉斯網(wǎng)絡(luò)分類器：算法與應(yīng)用》作者簡(jiǎn)介

圖書目錄

第1章引言
1．1 本書選題的背景和意義
1．2 如何閱讀本書
第2章貝葉斯網(wǎng)絡(luò)分類器基礎(chǔ)知識(shí)
2．1 分類的定義
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 樸素貝葉斯分類器
第3章基于結(jié)構(gòu)擴(kuò)展的貝葉斯網(wǎng)絡(luò)分類器學(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)分類器
7．8 基于差分演化算法的貝葉斯網(wǎng)絡(luò)分類器
7．9 代價(jià)敏感的貝葉斯網(wǎng)絡(luò)分類器
第8章貝葉斯網(wǎng)絡(luò)分類器在文本分類中的應(yīng)用
8．1 文本分類簡(jiǎn)介
8．1．1 文本數(shù)據(jù)的表示
8．1．2 文本分類的基本過程
8．1．3 文本分類算法綜述
8．2 樸素貝葉斯文本分類器簡(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器
8．6．3 多項(xiàng)式樸素貝葉斯樹
8．7 實(shí)例加權(quán)的樸素貝葉斯文本分類器
8．7．1 簡(jiǎn)介
8．7．2 判別加權(quán)的樸素貝葉斯文本分類器
第9章貝葉斯網(wǎng)絡(luò)分類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 屬性類型分類
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)分類器
9．2．1 值差度量與樸素貝葉斯分類器
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英文縮寫清單