基于蒙特卡罗树搜索的预测状态表示模型获取及特征选择研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第11-21页 |
| 1.1 研究背景 | 第11-14页 |
| 1.1.1 蒙特卡罗树搜索算法 | 第11-12页 |
| 1.1.2 预测状态表示模型 | 第12页 |
| 1.1.3 特征选择 | 第12-14页 |
| 1.2 研究现状 | 第14-19页 |
| 1.2.1 MCTS研究现状 | 第14-16页 |
| 1.2.2 动态系统建模研究现状 | 第16-18页 |
| 1.2.3 特征选择研究现状 | 第18-19页 |
| 1.3 本文结构 | 第19-21页 |
| 第二章 蒙特卡罗树搜索算法 | 第21-33页 |
| 2.1 MCTS算法 | 第22-25页 |
| 2.1.1 蒙特卡罗方法 | 第22-23页 |
| 2.1.2 MCTS算法 | 第23-25页 |
| 2.2 信心上限搜索树算法 | 第25-30页 |
| 2.2.1 基于匪徒方法 | 第25-27页 |
| 2.2.2 UCT算法 | 第27-30页 |
| 2.3 MCTS算法特征 | 第30-31页 |
| 2.4 小结 | 第31-33页 |
| 第三章 基于MCTS的预测状态表示模型获取 | 第33-65页 |
| 3.1 引言 | 第33页 |
| 3.2 预测状态表示方法 | 第33-40页 |
| 3.2.1 动态系统建模 | 第33-35页 |
| 3.2.2 PSR模型 | 第35-39页 |
| 3.2.3 系统动态矩阵 | 第39-40页 |
| 3.2.4 根据系统动态矩阵建立PSR模型 | 第40页 |
| 3.3 模型准确性衡量 | 第40-49页 |
| 3.3.1 模型熵 | 第40-42页 |
| 3.3.2 建立PP-MDP模型 | 第42-49页 |
| 3.4 发现问题转化为决策问题 | 第49-50页 |
| 3.5 基于MCTS的发现检验核方法 | 第50-53页 |
| 3.6 实验 | 第53-64页 |
| 3.6.1 各建模方法设置 | 第54-56页 |
| 3.6.2 性能衡量 | 第56-57页 |
| 3.6.3 实验结果及分析 | 第57-64页 |
| 3.7 小结 | 第64-65页 |
| 第四章 基于MCTS的特征选择方法 | 第65-81页 |
| 4.1 引言 | 第65页 |
| 4.2 特征选择 | 第65-67页 |
| 4.3 Relief算法 | 第67-69页 |
| 4.4 特征选择问题转化为决策问题 | 第69-70页 |
| 4.5 基于MCTS的特征选择方法 | 第70-71页 |
| 4.6 实验 | 第71-80页 |
| 4.6.1 实验数据集配置 | 第71-72页 |
| 4.6.2 特征选择方法设置 | 第72-73页 |
| 4.6.3 性能衡量 | 第73-74页 |
| 4.6.4 实验结果及分析 | 第74-80页 |
| 4.7 总结 | 第80-81页 |
| 第五章 总结与展望 | 第81-83页 |
| 5.1 总结 | 第81-82页 |
| 5.2 展望 | 第82-83页 |
| 参考文献 | 第83-93页 |
| 攻读硕士期间所发表论文与参与项目 | 第93-95页 |
| 致谢 | 第95页 |
