| 摘要 | 第7-8页 |
| ABSTRACT | 第8页 |
| 第一章 文献综述 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 贝叶斯网络结构学习研究现状 | 第12-14页 |
| 1.3 本文研究内容与结构安排 | 第14-17页 |
| 1.3.1 本文研究内容 | 第14-15页 |
| 1.3.2 本文结构安排 | 第15-17页 |
| 第二章 贝叶斯网络 | 第17-27页 |
| 2.1 贝叶斯网络基本理论 | 第17-22页 |
| 2.1.1 概率知识 | 第17-18页 |
| 2.1.2 图论知识 | 第18-19页 |
| 2.1.3 贝叶斯网络 | 第19-22页 |
| 2.2 贝叶斯网络结构学习 | 第22-27页 |
| 2.2.1 基于条件独立性测试的贝叶斯网络结构学习 | 第22-23页 |
| 2.2.2 基于搜索评分方法的贝叶斯网络结构学习 | 第23-25页 |
| 2.2.3 K2 算法 | 第25-27页 |
| 第三章 基于Kahn和 Tarjan的拓扑序列构建 | 第27-32页 |
| 3.1 基于广度优先搜索的Kahn序列 | 第27-30页 |
| 3.2 基于深度优先搜索的Tarjan序列 | 第30-32页 |
| 第四章 基于K2-CH和互信息的评价函数构建 | 第32-37页 |
| 4.1 基于K2-CH评分的Chain-KGA算法 | 第32页 |
| 4.2 基于互信息的Chain-MGA算法 | 第32-33页 |
| 4.3 基于K2-CH评分和互信息的Chain-KMGA算法 | 第33-37页 |
| 第五章 实验设计与分析 | 第37-46页 |
| 5.1 实验目的 | 第37页 |
| 5.2 数据集与参数设置 | 第37-38页 |
| 5.3 实验结果与分析 | 第38-46页 |
| 第六章 总结与展望 | 第46-47页 |
| 6.1 本文工作总结 | 第46页 |
| 6.2 展望 | 第46-47页 |
| 附录 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 个人简历 | 第52页 |
