| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 第一章 绪论 | 第13-20页 |
| ·贝叶斯网络 | 第13-16页 |
| ·贝叶斯网络 | 第13-15页 |
| ·贝叶斯网络的应用 | 第15-16页 |
| ·贝叶斯网络学习研究背景与现状 | 第16-18页 |
| ·贝叶斯网络参数学习研究背景与现状 | 第17页 |
| ·贝叶斯网络结构学习研究背景与现状 | 第17-18页 |
| ·贝叶斯网络推理研究背景与现状 | 第18-19页 |
| ·课题的来源和本文的组织 | 第19-20页 |
| ·课题的来源 | 第19页 |
| ·研究内容及安排 | 第19-20页 |
| 第二章 贝叶斯网络学习算法研究 | 第20-43页 |
| ·引言 | 第20-21页 |
| ·基于并行EM算法的贝叶斯网络参数学习 | 第21-29页 |
| ·基于EM算法的贝叶斯网络参数学习 | 第21-22页 |
| ·基于并行EM的BN参数学习算法 | 第22-25页 |
| ·PL-EM算法实验结果及分析 | 第25-29页 |
| ·基于并行EM算法的贝叶斯网络结构学习 | 第29-33页 |
| ·基于EM算法的贝叶斯网络结构学习 | 第29-30页 |
| ·一种并行的结构EM学习算法(PL-SEM) | 第30-31页 |
| ·PL-SEM算法实验结果 | 第31-32页 |
| ·实验结论 | 第32-33页 |
| ·基于领域知识的贝叶斯网络结构学习 | 第33-41页 |
| ·引言 | 第33-34页 |
| ·基于EM算法的贝叶斯网络结构学习实验 | 第34-39页 |
| ·基于知识导向的SEM算法(KL-SEM) | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第三章 动态贝叶斯网络结构学习 | 第43-52页 |
| ·引言 | 第43-44页 |
| ·研究背景 | 第44-45页 |
| ·动态贝叶斯网络 | 第44-45页 |
| ·BMA和MCMC学习 | 第45页 |
| ·DBN-EMC算法 | 第45-49页 |
| ·DBN结构进化 | 第46-47页 |
| ·有向循环图评判算法 | 第47-49页 |
| ·DBN-EMC算法描述 | 第49页 |
| ·实验结果 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第四章 贝叶斯网络的三角化算法研究 | 第52-63页 |
| ·引言 | 第52-53页 |
| ·联合树及其构建 | 第53-57页 |
| ·基于自适应遗传算法的三角化优化算法TAGA | 第57-60页 |
| ·编码 | 第57页 |
| ·适应度函数 | 第57页 |
| ·自适应的交叉和变异算子 | 第57-58页 |
| ·自适应的线性排序选择算子 | 第58-59页 |
| ·基于自适应遗传算法的三角化优化算法TAGA算法描述 | 第59-60页 |
| ·实验结果及分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 结束语 | 第63-65页 |
| ·本文工作总结 | 第63-64页 |
| ·进一步的研究工作 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士期间主要科研工作及成果 | 第71页 |
| 一 参与的主要科研项目 | 第71页 |
| 二 已发表的学术论文(含已录用论文) | 第71页 |