版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、合肥工業(yè)大學(xué)碩士學(xué)位論文基于聚類(lèi)的樸素貝葉斯分類(lèi)模型的研究與應(yīng)用姓名:張亞萍申請(qǐng)學(xué)位級(jí)別:碩士專(zhuān)業(yè):計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師:胡學(xué)鋼20061001ResearchandApplicationofNaiveBayesianClassificationModelBasedOilClusteringAlgorithmsAbstractTheclassificationisanimportantresearchbranchinthedatami
2、ningdomainTherearemanyamazingachievementshavebeenobtainedOwingtoitshighlyefficienciesandhighlyprecisecalculation,aswellasitsstricttheoreticalfoundation,NaiveBayesianClassifierhasobtainedwidespreadapplicationHowever,itsco
3、nditionindependenceassumptionandperfectiondatarequisitionlimititsrealapplicationThelocalsearchingabilityofk—meansalgorithmisexerted,andthepreciseofNaiveBayesianClassifierimprovedItcansolveclassificationproblemeffectively
4、ThemainworkofthedissertationiSasfollows:1IntroducingandanalyzingkmeansalgorithmsofclusteringalgorithmsandNaiveBayesianClassifieralgorithmThebasictheoryofNaiveBayesianisstudied,andsomecommonmodelsofNaiveBayesianClassifier
5、arediscussed2ANaiveBayesianclassificationbasedonclusteringprinciple(CNBC)byintroducingclusteringalgorithmintoNaiveBayesianclassificationThesimilaritybetweeneveryrecorderinabsentdatasubsetsandthecentersKclusteriscalculate
6、dbyclusteringcompletedatasubsetsofinitialdatabykmeansalgorithm,thentherecorderissettothenearestclusterandtheabsentvalueoftherecordisfilledbythecorrespondingattributeoftheclusterfinallythehandleddatasetisclusteredbyNaiveB
7、ayesianclassificationalgorithmTheexperimentsshowthatNaiveBayesianclassificationbasedonclusteringalgorithmshasthehigherpreciseofclusteringcomparingwithNaiveBayesianclassification3ThemodelofNaiveBayesianClassifierbasedoncl
8、usteringalgorithmsisdesignedtohelpthestudentstoselectemploymentorcontinuestudyinginuniversityByconstructingthemodelandusingtheexperiencegainedbythestudentsinthepastintheirselectionofspecialties,studentscanbasetheircondit
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 樸素貝葉斯分類(lèi)模型的研究與應(yīng)用.pdf
- 樸素貝葉斯分類(lèi)模型的改進(jìn)研究.pdf
- 樸素貝葉斯分類(lèi)算法的研究與應(yīng)用.pdf
- 基于無(wú)監(jiān)督聚類(lèi)和樸素貝葉斯分類(lèi)的文本分類(lèi)方法研究.pdf
- 樸素貝葉斯分類(lèi)及其應(yīng)用研究.pdf
- 13245.基于屬性選擇的樸素貝葉斯分類(lèi)研究與應(yīng)用
- 樸素貝葉斯分類(lèi)改進(jìn)算法的研究.pdf
- 基于粗糙集合和樸素貝葉斯模型的分類(lèi)問(wèn)題研究.pdf
- 基于樸素貝葉斯的中文網(wǎng)頁(yè)分類(lèi)研究.pdf
- 基于詞語(yǔ)權(quán)重改進(jìn)的樸素貝葉斯分類(lèi)算法的研究與應(yīng)用.pdf
- 基于遺傳算法的樸素貝葉斯分類(lèi)研究.pdf
- 關(guān)于樸素貝葉斯分類(lèi)算法的改進(jìn).pdf
- 樸素貝葉斯算法的改進(jìn)與應(yīng)用.pdf
- 基于粒子群優(yōu)化的加權(quán)樸素貝葉斯分類(lèi)研究.pdf
- 基于粗糙集的樸素貝葉斯分類(lèi)算法研究.pdf
- 基于正則化樸素貝葉斯的用戶(hù)分類(lèi)算法的研究.pdf
- 基于樸素貝葉斯的高血壓文本分類(lèi)的研究.pdf
- 基于樸素貝葉斯算法的CLV優(yōu)化模型及應(yīng)用研究.pdf
- 基于樸素貝葉斯的網(wǎng)頁(yè)自動(dòng)分類(lèi)技術(shù)研究.pdf
- 基于I-K-Means聚類(lèi)的樸素貝葉斯HRNB分類(lèi)算法在入侵檢測(cè)中的應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論