| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·试卷分析的意义 | 第7页 |
| ·试卷分析的原则 | 第7-8页 |
| ·贝叶斯网络的综述 | 第8-9页 |
| ·贝叶斯网络简介 | 第8页 |
| ·贝叶斯网络的应用现状 | 第8-9页 |
| ·试卷分析的工作过程 | 第9页 |
| ·论文结构 | 第9-11页 |
| 第二章 试卷分析的工作基础 | 第11-17页 |
| ·试卷分析的现状 | 第11页 |
| ·贝叶斯推理基础 | 第11-14页 |
| ·贝叶斯理论的起源 | 第11-12页 |
| ·贝叶斯公式 | 第12页 |
| ·贝叶斯假设 | 第12-13页 |
| ·贝叶斯网络的性质 | 第13-14页 |
| ·BNT软件包简介 | 第14-17页 |
| ·贝叶斯软件包BNT中贝叶斯网络的表示方式 | 第15页 |
| ·贝叶斯软件包BNT中贝叶斯网络结构学习算法函数 | 第15页 |
| ·贝叶斯软件包BNT中贝叶斯网络参数学习算法函数 | 第15-16页 |
| ·贝叶斯软件包BNT中贝叶斯网络的推理机制及推理引擎 | 第16-17页 |
| 第三章 贝叶斯网络 | 第17-26页 |
| ·贝叶斯网络的结构 | 第17-18页 |
| ·贝叶斯网络的推理模式 | 第18-19页 |
| ·因果推理 | 第18页 |
| ·诊断推理 | 第18-19页 |
| ·辩解推理 | 第19页 |
| ·在polytree网中的概率推 | 第19-20页 |
| ·学习贝叶斯网络 | 第20-26页 |
| ·无丢失数据的CPT学习——样本统计法 | 第20页 |
| ·无丢失数据的CPT学习——贝叶斯方法 | 第20-21页 |
| ·有缺失数据情况下的参数学习 | 第21-23页 |
| ·贝叶斯网络的结构学习 | 第23-26页 |
| 第四章 试卷分析 | 第26-37页 |
| ·问题概述 | 第26页 |
| ·工具介绍 | 第26-28页 |
| ·MATLAB简介 | 第26-27页 |
| ·MATLAB系统的组成部分 | 第27-28页 |
| ·为试卷分析筛选数据 | 第28页 |
| ·将筛选出的数据进行处理 | 第28-30页 |
| ·贝叶斯网络的建模 | 第30-33页 |
| ·准备工作 | 第31页 |
| ·读入数据 | 第31页 |
| ·建立贝叶斯网络 | 第31-32页 |
| ·对贝叶斯网络进行参数学习 | 第32-33页 |
| ·结果分析 | 第33-37页 |
| 第五章 结束语 | 第37-39页 |
| ·工作总结 | 第37-38页 |
| ·进一步工作 | 第38-39页 |
| 参考文献 | 第39-41页 |
| 发表论文和参加科研情况说明 | 第41-42页 |
| 致谢 | 第42页 |