基于贝叶斯网络的事件处理技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 引言 | 第10-18页 |
| ·研究背景 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·事件处理技术的研究现状 | 第11-12页 |
| ·贝叶斯网络的发展现状 | 第12-13页 |
| ·问题提出 | 第13-14页 |
| ·本文研究内容 | 第14-15页 |
| ·组织结构 | 第15-18页 |
| 第2章 事件的贝叶斯推理知识及相关工作 | 第18-28页 |
| ·事件流上的事件处理 | 第18-20页 |
| ·事件处理方法 | 第18-19页 |
| ·事件处理模型 | 第19-20页 |
| ·贝叶斯网络 | 第20-24页 |
| ·基本概念与定义 | 第21-22页 |
| ·贝叶斯网络的模型 | 第22-24页 |
| ·贝叶斯网结构学习 | 第24-26页 |
| ·结构学习的内容 | 第24-25页 |
| ·结构学习的方法 | 第25-26页 |
| ·贝叶斯网络的推理理论 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第3章 事件流的贝叶斯网络构建 | 第28-50页 |
| ·事件流表示 | 第28-29页 |
| ·事件贝叶斯网络的构建 | 第29-37页 |
| ·事件流的存储转化 | 第30-34页 |
| ·事件之间关联关系的表示 | 第34-37页 |
| ·事件贝叶斯网络结构的优化 | 第37-49页 |
| ·关于MDL的结构优化知识 | 第38-39页 |
| ·基于MDL/条件概率的变化率的结构优化算法 | 第39-43页 |
| ·关于互信息的结构优化知识 | 第43-44页 |
| ·基于互信息的最优关联的结构优化算法 | 第44-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于事件贝叶斯网络的推理机制 | 第50-62页 |
| ·贝叶斯网络推理概述 | 第50-52页 |
| ·推理工作 | 第51页 |
| ·推理算法简介 | 第51-52页 |
| ·贝叶斯网络正向推理算法 | 第52-57页 |
| ·基于特定时间区间正向推理算法 | 第52-54页 |
| ·基于分段时间区间的正向推理算法 | 第54-55页 |
| ·基于时间和概率综合最优的正向推理算法 | 第55-57页 |
| ·贝叶斯网络的反向推理算法 | 第57-61页 |
| ·基于反向弧的反向推理算法 | 第58-59页 |
| ·基于概率最佳的优先反向推理算法 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 实验分析 | 第62-72页 |
| ·实验基本设置 | 第62页 |
| ·构建事件关联算法的性能分析 | 第62-66页 |
| ·贝叶斯网络结构优化算法的性能比较 | 第66-68页 |
| ·基于贝叶斯网络推理算法的有效性验证 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第6章 结论 | 第72-74页 |
| ·总结 | 第72页 |
| ·未来工作 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 攻读硕士学位期间的论文项目情况 | 第80页 |
