贝叶斯量子随机学习算法及应用研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 引言 | 第7-10页 |
| ·贝叶斯学习研究进展 | 第7页 |
| ·问题的提出 | 第7-8页 |
| ·内容安排 | 第8-10页 |
| 第二章 相关基本理论 | 第10-27页 |
| ·贝叶斯学习基本理论 | 第10-18页 |
| ·贝叶斯学习的基本观点 | 第10-11页 |
| ·贝叶斯网络 | 第11-16页 |
| ·贝叶斯分类器 | 第16-18页 |
| ·量子基本理论 | 第18-26页 |
| ·量子态 | 第19-20页 |
| ·酉算子 | 第20页 |
| ·量子概率 | 第20-22页 |
| ·量子搜索 | 第22-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 贝叶斯量子随机学习模型 | 第27-36页 |
| ·量子学习过程 | 第27页 |
| ·学习算法的随机性分析 | 第27-29页 |
| ·基于量子的贝叶斯网表示 | 第29-32页 |
| ·贝叶斯网到贝叶斯量子网的转化 | 第29-30页 |
| ·概率幅的分配 | 第30-32页 |
| ·贝叶斯量子随机学习模型 | 第32-33页 |
| ·实验平台介绍 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 网络结构的贝叶斯量子随机学习算法设计 | 第36-46页 |
| ·算法设计思路 | 第36-38页 |
| ·QMSTA 算法 | 第38-41页 |
| ·基于 QMSTA 的网络结构学习算法 | 第41页 |
| ·实验比较分析 | 第41-44页 |
| ·本章小结 | 第44-46页 |
| 第五章 网络参数的贝叶斯量子随机学习算法设计 | 第46-55页 |
| ·量子变换门矩阵 | 第46-49页 |
| ·量子非门矩阵 | 第47页 |
| ·量子 Hadamard 门矩阵 | 第47-48页 |
| ·量子旋转门矩阵 | 第48-49页 |
| ·算法分析 | 第49-51页 |
| ·实验比较分析 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 面向缺失数据的贝叶斯量子随机学习算法设计 | 第55-64页 |
| ·量子进化算法 | 第56-58页 |
| ·BQSSA 的编码表示与操作算子 | 第58-61页 |
| ·网络结构的编码 | 第58-59页 |
| ·网络结构的操作算子 | 第59-61页 |
| ·BQSSA 算法框架 | 第61-62页 |
| ·实验分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第七章 应用实例 | 第64-74页 |
| ·基于贝叶斯量子随机学习算法的人脸表情识别 | 第64-70页 |
| ·特征提取 | 第65-68页 |
| ·表情分类 | 第68-70页 |
| ·实验分析 | 第70-72页 |
| ·本章小结 | 第72-74页 |
| 第八章 总结与展望 | 第74-75页 |
| ·本文的主要贡献 | 第74页 |
| ·进一步的研究方向 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-82页 |
| 附录 | 第82-87页 |
| 攻读硕士学位期间科研情况 | 第82页 |
| 攻读硕士学位期间论文发表情况 | 第82-83页 |
| 中英文名词对照 | 第83-85页 |
| Alarm 网络结构 | 第85-86页 |
| HailFinder 网络结构 | 第86-87页 |
| 详细摘要 | 第87-90页 |
