链事件图的推理和学习
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 概率图模型介绍 | 第14-15页 |
| 1.2 链事件图的提出 | 第15-16页 |
| 1.3 链事件图的研究现状 | 第16-17页 |
| 1.4 本文结构安排 | 第17-18页 |
| 第二章 链事件图基础 | 第18-30页 |
| 2.1 链事件图基础知识 | 第18-20页 |
| 2.1.1 概率论基础 | 第18-19页 |
| 2.1.2 图论基础 | 第19-20页 |
| 2.2 事件树 | 第20-25页 |
| 2.2.1 事件树的基本定义 | 第20-22页 |
| 2.2.2 实例分析 | 第22-25页 |
| 2.3 阶段树 | 第25-26页 |
| 2.4 链事件图 | 第26-30页 |
| 2.4.1 链事件图树的基本定义 | 第26页 |
| 2.4.2 实例分析 | 第26-30页 |
| 第三章 链事件图的理论研究 | 第30-40页 |
| 3.1 表示理论 | 第30-33页 |
| 3.1.1 样本空间 | 第30-31页 |
| 3.1.2 变量 | 第31页 |
| 3.1.3 概率表图形化 | 第31-33页 |
| 3.2 推理理论 | 第33-36页 |
| 3.2.1 分割理论 | 第33-34页 |
| 3.2.2 基本概率计算 | 第34-35页 |
| 3.2.3 一个定理 | 第35-36页 |
| 3.3 从贝叶斯网络到链事件图 | 第36-38页 |
| 3.3.1 模型转换 | 第36-37页 |
| 3.3.2 模型比较 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 链事件图的结构学习研究 | 第40-54页 |
| 4.1 基于评分的结构学习 | 第40-44页 |
| 4.1.1 模型评分 | 第40-42页 |
| 4.1.2 模型优化 | 第42-43页 |
| 4.1.3 AHC算法 | 第43-44页 |
| 4.2 基于独立性检验的结构学习 | 第44-49页 |
| 4.2.1 独立性检验 | 第45-46页 |
| 4.2.2 新的结构学习算法 | 第46-48页 |
| 4.2.3 新算法的复杂度分析 | 第48-49页 |
| 4.3 实验对比及分析 | 第49-52页 |
| 4.3.1 实验准备 | 第49-50页 |
| 4.3.2 实验1：与AHC算法的实验对比 | 第50-51页 |
| 4.3.3 实验2：数据量对算法精度的影响 | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 工作总结 | 第54-55页 |
| 5.2 工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 作者简介 | 第62-63页 |
