編輯推薦
貝葉斯分類方法研究貝葉斯網路是基於貝葉斯定理的機率統計方法，是表示和處理不確定知識的理想模型。本書從限定貝葉斯網路結構規模的角度出發，對貝葉斯網路分類理論及其套用進行了深入研究，以期提高貝葉斯分類方法的分類性能，擴展其套用領域。作者注重理論在實際中的運用，全書內容包含了作者大量的科研成果，對廣大科技人員有重要的參考價值。
作者簡介
石洪波：1965年生，山西財經大學信息管理學院副教授，2004年北京交通大學博士研究生畢業，獲工學博士學位。主要研究方向為機器學習、數據挖掘等。曾參加過國家信息中心、教育部、鐵道部以及國家科技攻關計畫等項目的研究與開發。先後在《軟體學報》、《計算機研究與發展》等學術期刊以及重要國際會議上發表學術論文20餘篇，其中，被SCI、EI檢索論文若干篇。
目錄
第1章 緒 論/1
1.1研究背景/1
1.2貝葉斯網路的研究現狀/3
1.2.1貝葉斯網路的學習/4
1.2.2貝葉斯網路推理/6
1.2.3貝葉斯分類方法/6
1.2.4貝葉斯網路的表示能力/8
1.3研究內容及結果/9
第2章貝葉斯學習理論/12
2.1貝葉斯學習基礎/12
2.1.1頻率機率和貝葉斯機率/12
2.1.2貝葉斯定理/13
2.2貝葉斯學習理論/14
2.2.1貝葉斯學習的基本過程/14
2.2.2貝葉斯方法的計算學習機制/15
2.3貝葉斯網路及其學習/19
2.3.1貝葉斯網路/19
2.3.2貝葉斯網路的結構學習/22
2.3.3貝葉斯網路的參數學習/31
2.4貝葉斯推理/34
第3章 貝葉斯分類方法/38
3.1貝葉斯最優分類器/38
3.2樸素貝葉斯分類器/40
3.2.1模型簡介/40
3.2.2最優性條件/4l
3.2.3樸素貝葉斯分類模型的可學習性/44
3.3貝葉斯網路分類器/47
3.3.1模型簡介/47
3.3.2貝葉斯網路的表示能力及分類性能/48
第4章 限定性貝葉斯分類模型/51
4.1引言/51
4.2現有的限定性貝葉斯分類模型/53
4.3限定性雙層貝葉斯分類模型：DLBAN/58
4.3.1貝葉斯定理變形公式/58
4.3.2DLBAN模型/60
4.3.3DLBAN模型學習算法/6l
4.3.4算法性能分析/66
4.4實驗結果/66
4.5小結/70
第5章 貝葉斯網路分類算法的穩定性/71
5.1引言/71
5.2幾種常用分類算法的穩定性/72
5.2.1決策樹分類算法/72
5.2.2最近鄰分類算法/73
5.2.3樸素貝葉斯分類算法/74
5.3貝葉斯網路穩定性分析/76
5.3.1貝葉斯網路結構穩定性分析/76
5.3.2貝葉斯網路性能穩定性分析/81
5.4分類器分類穩定性度量方法/82
5.4.1基於“一致”的度量方法/83
5.4.2基於方差的度量方法/84
5.5實驗結果/86
5.5.1算法和實驗數據/86
5.5.2實驗結果和分析/88
5.6小結/92
第6章 貝葉斯分類方法的集成/93
6.1研究背景/93
6.2分類器集成方法/96
6.2.1弱分類器/96
6.2.2分類器集成的實現方法/97
6.2.3兩種典型的集成技術：Bagging和Boosting/99
6.3TAN學習算法/102
6.3.1典型的TAN學習算法/102
6.3.2調整的TAN學習算法GTAN/104
6.4TAN分類器集成/106
6.4.1基分類器的差異性/106
6.4.2 TAN分類器集成算法/114
6.5實驗結果/116
6.6小結/119
第7章 基於貝葉斯網路的詞義排歧/121
7.1研究背景/121
7.2問題的描述/124
7.3貝葉斯網路詞義排歧框架/127
7.3.1基本分類方法的選擇/127
7.3一多分類器的選擇/128
7.3.3學習算法/130
7.4實驗方法和結果/131
7.4.1詞典資源和語料庫資源/131
7.4.2從語料庫抽取訓練數據/131
7.4.3實驗結果及分析/134
7.5小結/136
結束語/138
後記/142
參考文獻/144
