- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2014文献报告格式
研究生“*****”课程文献阅读报告
撰写基本要求
文献阅读报告的基本要求
1.按以下次序排版打印:
标题,(姓名,所在学院,学号),中文摘要及关键词,英文摘要及关键词,正文,参考文献。其中:
(1)中文摘要(约150-250字)在前,英文摘要(约200-300个单词)在后,关键字3-5个;
(2)参考文献:列出至少两篇,对书或文章按如下要求书写:
[序号]书作者,书名,出版社,出版日期,版本
[序号]文章作者,文章名,刊名,卷号,期号:起-讫页码,出版日期
2. 文献阅读报告包含封面,封面的格式和第一页样例见下页
3.文献阅读报告页码一律用小5号居中标明,封面不包含页码
二、文献阅读报告的字体格式要求
论文标题―――黑体二号
姓名,学号,所在学院 ――――――宋体五号
摘要―――――----黑体小五号(英文摘要标题用新罗马体10号加粗)
摘要正文 ―――― 宋小五号(英文摘要用新罗马体10号)
关键词 ―――――黑体小五号(英文关键词用新罗马体10号加粗)
关键词的内容―― 宋小五号(英文关键词内容用新罗马体10号)
正文中的标题―――一级标题四号黑体字, 二级标题小四号黑体字
正文―――――――宋体小四号(英文用新罗马体12号)
参考文献―――――小四号黑体字
参考文献的内容――宋体小五号(英文用新罗马体10号)
研究生文献阅读课程
文献阅读报告
题 目:
课程名称
学 院
专 业
学 号
学生姓名
基于贝叶斯方法的决策树方法
xxxx,0672xxxx,计算机科学与工程学院
摘 要: 本文主要介绍了贝叶斯方法、以及原理的运用,决策树方法、以及算法原理;并针对数据挖掘的特点和本质,在充分利用贝叶斯方法和决策树分类的优点的基础上,将贝叶斯的先验信息方法与决策树分类的信息增益方法相结合,提出了一种新的数据挖掘分类算法(BD1.0 算法) ,并对此算法进行了说明和设计。
关键字:贝叶斯方法、决策树方法、分类、BD1.0算法
Abstract: The article has main introduce the method of Bayesian and application of it’s principle, the method of decision tree, and the principle of decision tree , the article also give the complication of these two methods ; According to the characteristic and essence of data mining and taking advantage of Bayesian method, a new classification method named BD1. 0 algorithm was presented. This method combined the prior information and information gain method of decision tree. The design and analysis of the algorithm was introduced too.
Key words: Bayesian, decision tree, classification, algorithm of BD1.0
1 贝叶斯方法
1.1 贝叶斯决策理论
贝叶斯方法的关键是使用概率表示各种形式的不确定性。在选择某事件面临不确定性时,在某一时刻假定此事件会发生的概率,然后根据不断获取的新的信息修正此概率。修正之前的概率称为先验概率,修正之后的概率称为后验概率。贝叶斯原理就是根据新的信息从先验概率得到后验概率的一种方法。通常用下面的式子表示贝叶斯原理:
文档评论(0)