基于递归算法的贝叶斯网络结构学习
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 论文研究的背景和意义 | 第13-14页 |
| 1.2 贝叶斯网络研究现状 | 第14-17页 |
| 1.2.1 贝叶斯网络参数学习研究现状 | 第15-16页 |
| 1.2.2 贝叶斯网络结构学习研究现状 | 第16-17页 |
| 1.3 本文的主要内容和组织结构 | 第17-19页 |
| 1.3.1 本文主要工作 | 第17页 |
| 1.3.2 本文结构安排 | 第17-19页 |
| 第二章 贝叶斯网络的基本理论框架 | 第19-27页 |
| 2.1 贝叶斯网络的知识表示和理论基础 | 第19-21页 |
| 2.1.1 贝叶斯网络的表示 | 第19-20页 |
| 2.1.2 贝叶斯网络的理论基础 | 第20-21页 |
| 2.2 贝叶斯网络结构学习 | 第21-26页 |
| 2.2.1 贝叶斯网络结构学习的前提假设 | 第22页 |
| 2.2.2 基于打分搜索的贝叶斯网络结构学习方法 | 第22-24页 |
| 2.2.3 基于约束的贝叶斯网络结构学习方法 | 第24-25页 |
| 2.2.4 混合的贝叶斯网络结构学习方法 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于递归方法的贝叶斯网络结构学习算法 | 第27-37页 |
| 3.1 递归自主识别结构学习算法 | 第27-32页 |
| 3.1.1 算法相关概念 | 第27-29页 |
| 3.1.2 算法RAI理论基础 | 第29-30页 |
| 3.1.3 递归自主识别算法 | 第30-32页 |
| 3.2 联合阶段算法学习贝叶斯网络结构 | 第32-35页 |
| 3.2.1 解决矛盾的V-结构 | 第32-33页 |
| 3.2.2 联合阶段算法 | 第33-35页 |
| 3.3 本章小结 | 第35-37页 |
| 第四章 改进的贝叶斯网络结构学习算法 | 第37-57页 |
| 4.1 联合阶段算法 | 第37-42页 |
| 4.1.1 联合阶段算法 | 第37-41页 |
| 4.1.2 联合阶段算法示例 | 第41-42页 |
| 4.2 算法CIA | 第42-45页 |
| 4.3 联合阶段算法正确性证明 | 第45-48页 |
| 4.3.1 算法CRA理论分析 | 第45页 |
| 4.3.2 算法CRA正确性证明 | 第45-48页 |
| 4.4 算法实验设计与结果分析 | 第48-56页 |
| 4.4.1 算法实验设计 | 第48-49页 |
| 4.4.2 算法CRA结果分析 | 第49-54页 |
| 4.4.3 算法CIA结果分析 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 工作总结 | 第57-58页 |
| 5.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 攻读硕士学位期间的研究成果 | 第65-66页 |
