| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-12页 |
| 第一章 引言 | 第12-27页 |
| ·图模型简介 | 第13-18页 |
| ·图模型的起源和发展 | 第13-14页 |
| ·图模型的分类 | 第14-15页 |
| ·马尔可夫性 | 第15页 |
| ·图模型的统计推断 | 第15-16页 |
| ·图模型的结构学习 | 第16-18页 |
| ·分解性和可压缩性 | 第18-24页 |
| ·图模型的统计推断中的分解性和可压缩性 | 第18-21页 |
| ·条件图模型中的可压缩性 | 第21-22页 |
| ·图模型的结构学习中的分解性 | 第22-24页 |
| ·本文的主要工作 | 第24-27页 |
| 第二章 基本概念和结论 | 第27-60页 |
| ·无向图及相关概念 | 第27-34页 |
| ·向图 | 第27-30页 |
| ·分离树和分解树 | 第30-31页 |
| ·弦图和团树 | 第31-33页 |
| ·素块树 | 第33-34页 |
| ·有向无圈图及相关概念 | 第34-37页 |
| ·有向无圈图 | 第34-36页 |
| ·d-分离树 | 第36-37页 |
| ·马尔可夫性 | 第37-41页 |
| ·条件独立性 | 第37-38页 |
| ·无向图中的马尔可夫性 | 第38-40页 |
| ·有向无圈图中的马尔可夫性 | 第40-41页 |
| ·概率图模型 | 第41-42页 |
| ·无向概率图模型 | 第41-42页 |
| ·贝叶斯网 | 第42页 |
| ·统计图模型 | 第42-47页 |
| ·列联表 | 第42-43页 |
| ·离散无向图模型 | 第43-44页 |
| ·离散层次模型 | 第44-45页 |
| ·连续无向图模型 | 第45-46页 |
| ·混合无向图模型 | 第46-47页 |
| ·贝叶斯网模型 | 第47页 |
| ·图模型的统计推断 | 第47-51页 |
| ·极大似然估计 | 第48-50页 |
| ·似然比检验 | 第50-51页 |
| ·图模型的结构学习 | 第51-53页 |
| ·图模型的分解性和可压缩性 | 第53-60页 |
| ·模型的可压缩性 | 第53-54页 |
| ·极大似然估计的分解性和可压缩性 | 第54-56页 |
| ·似然比检验的分解性和可压缩性 | 第56-57页 |
| ·条件图模型的模型可压缩性 | 第57-58页 |
| ·条件图模型的估计可压缩性 | 第58页 |
| ·结构学习的分解性 | 第58-60页 |
| 第三章 基于极小d-分离树的分解的贝叶斯网模型结构学习 | 第60-73页 |
| ·极小d-分离树 | 第60-62页 |
| ·极小d-分离树的性质 | 第62-67页 |
| ·极小分离树与极小树分解 | 第67-71页 |
| ·小结 | 第71-73页 |
| 第四章 似然比检验的可压缩性和分解性 | 第73-89页 |
| ·似然比检验的可压缩性 | 第73-78页 |
| ·似然比检验的分解性 | 第78-79页 |
| ·似然比检验的分解性和可压缩性的优点 | 第79-80页 |
| ·模拟研究 | 第80-86页 |
| ·计算检验统计量的四种方法 | 第80-81页 |
| ·模拟设计 | 第81-82页 |
| ·模拟结果 | 第82-86页 |
| ·一个实际例子 | 第86-87页 |
| ·小结 | 第87-89页 |
| 第五章 条件图模型中的可压缩性 | 第89-108页 |
| ·离散的条件无向图模型中的可压缩性 | 第89-98页 |
| ·连续的条件无向图模型中的可压缩性 | 第98-106页 |
| ·小结 | 第106-108页 |
| 第六章 总结与讨论 | 第108-110页 |
| 参考文献 | 第110-117页 |
| 在学期间公开发表论文及著作情况 | 第117-118页 |
| 致谢 | 第118页 |