首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

贝叶斯网络结构学习及其应用研究

摘要第1-10页
Abstract第10-12页
致谢第12-15页
插图清单第15-16页
表格清单第16-17页
第一章 绪论第17-27页
   ·贝叶斯网络的定义第17-18页
   ·贝叶斯网络的研究现状第18-24页
   ·论文研究内容和组织结构第24-27页
     ·课题来源第24页
     ·主要研究内容第24-26页
     ·内容组织第26-27页
第二章 贝叶斯网络知识表示的基础理论第27-35页
   ·引言第27页
   ·条件独立第27-28页
   ·有向分隔第28-31页
     ·有向分隔的相关定义第28-31页
     ·有向分隔的判定第31页
   ·条件独立与有向分隔的关系第31-33页
   ·贝叶斯网络的知识表示第33-34页
   ·本章小结第34-35页
第三章 贝叶斯网络的学习算法第35-47页
   ·引言第35页
   ·贝叶斯网络的参数学习第35-37页
     ·最大似然估计方法第35-36页
     ·贝叶斯方法第36-37页
   ·贝叶斯网络的结构学习第37-41页
     ·基于评分搜索的贝叶斯网络结构学习第37-38页
     ·基于依赖分析的贝叶斯网络结构学习第38-40页
     ·基于随机抽样的贝叶斯网络结构学习第40-41页
   ·一种基于随机抽样的贝叶斯网络结构学习算法PCMHS25第41-46页
     ·算法PCMHS的初始化第41-42页
     ·算法PCMHS的迭代抽样过程第42-43页
     ·算法PCMHS的性能分析第43-44页
     ·算法PCMHS的实验结果分析第44-46页
   ·本章小结第46-47页
第四章 具有缺失数据的贝叶斯网络学习算法第47-58页
   ·引言第47页
   ·具有缺失数据的贝叶斯网络的参数学习第47-48页
     ·EM算法第47-48页
     ·Gibbs抽样算法第48页
   ·具有缺失数据的贝叶斯网络的结构学习第48-50页
     ·SEM算法第49页
     ·MHS算法第49-50页
   ·具有缺失数据的贝叶斯网络的结构学习算法 BC-ISOR第50-55页
     ·参数估计第51-54页
     ·生成贝叶斯网络中所有可能的边第54页
     ·确定边的方向第54-55页
     ·冗余边检验第55页
   ·实验结果及分析第55-56页
   ·本章小结第56-58页
第五章 贝叶斯网络的灵敏度分析第58-81页
   ·引言第58页
   ·灵敏度的定义第58-59页
   ·贝叶斯网络多项式第59-63页
     ·网络多项式的定义第59-60页
     ·网络多项式偏导数的概率语义第60-61页
     ·网络多项式计算的算术电路第61-63页
   ·连接树算法第63-67页
     ·Shafer-Shenoy算法第64-66页
     ·Hugin算法第66-67页
   ·连接树与算术电路第67-72页
     ·算术电路的 Shafer-Shenoy 算法第68-70页
     ·算术电路的 Hugin 算法第70-72页
   ·一种基于连接树的灵敏度分析算法 R-Hugin第72-80页
     ·零因子处理机制第73-74页
     ·R-Hugin算法描述第74-75页
     ·R-Hugin算法的正确性分析第75-76页
     ·R-Hugin算法的的性能分析第76-80页
   ·本章小结第80-81页
第六章 基于贝叶斯网络的频繁模式挖掘第81-101页
   ·引言第81-82页
   ·相关定义第82-84页
   ·基于贝叶斯网络的频繁项集和属性集的兴趣度计算和剪枝方法 BN-EJTR第84-99页
     ·从数据集中产生频繁项集第84页
     ·计算频繁项集在贝叶斯网络中的支持度第84-90页
     ·从贝叶斯网络中产生频繁项集第90-91页
     ·频繁属性集和频繁项集的剪枝第91-94页
     ·实验结果及其分析第94-99页
   ·本章小结第99-101页
第七章 结束语第101-103页
   ·主要研究工作第101-102页
   ·下一步工作第102-103页
参考文献第103-113页
攻读博士学位期间参加研究的课题和发表的论文第113-114页

论文共114页,点击 下载论文
上一篇:(1,2,2)型异蕴涵泛三I算法及其应用研究
下一篇:二维光学和距离图像配准方法及其应用研究