| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景和意义 | 第7-8页 |
| ·Bayesian网学习的研究现状 | 第8-9页 |
| ·本文主要工作 | 第9-11页 |
| 第二章 Bayesian网及其推理算法 | 第11-15页 |
| ·Bayesian网基本理论 | 第11-13页 |
| ·Bayesian网推理算法 | 第13-15页 |
| 第三章 Bayesian网学习方法 | 第15-42页 |
| ·Bayesian网的参数学习 | 第16-28页 |
| ·完备数据下的参数学习 | 第17-19页 |
| ·MLE方法 | 第17-18页 |
| ·Bayesian方法 | 第18-19页 |
| ·不完备数据下的参数学习 | 第19-28页 |
| ·MCMC方法 | 第20-23页 |
| ·EM算法 | 第23-25页 |
| ·梯度上升算法 | 第25-28页 |
| ·Bayesian网的结构学习 | 第28-39页 |
| ·基于打分的方法 | 第28-34页 |
| ·评分函数 | 第28-33页 |
| ·搜索算法 | 第33-34页 |
| ·基于条件独立性测试的方法 | 第34-39页 |
| ·Cheng Jie三阶段算法 | 第35-37页 |
| ·数据不完备时的处理方法 | 第37-39页 |
| ·各种方法的比较和未来研究趋势 | 第39-42页 |
| 第四章 基于进化策略的Bayesian网 结构增量学习算法 | 第42-57页 |
| ·Bayesian网增量学习的基本概念 | 第42-45页 |
| ·基于进化策略的Bayesian网结构增量学习算法 | 第45-53页 |
| ·网络结构编码 | 第45-47页 |
| ·适应度函数 | 第47-48页 |
| ·参数的增量学习 | 第48-50页 |
| ·进化操作 | 第50-52页 |
| ·重组(Recombination) | 第50-51页 |
| ·变异(Mutation) | 第51页 |
| ·选择(Selection) | 第51-52页 |
| ·算法结构 | 第52-53页 |
| ·实验结果 | 第53-55页 |
| ·总结及需要进一步研究的问题 | 第55-57页 |
| 第五章 基于进化计算的简化搜索空间下Bayesian网结构学习算法 | 第57-68页 |
| ·基本概念 | 第57-58页 |
| ·简化搜索空间 | 第58-59页 |
| ·简化搜索空间下的Bayesian网结构学习算法 | 第59-67页 |
| ·画草图 | 第59-60页 |
| ·基于蚁群算法的变量顺序学习 | 第60-64页 |
| ·蚁群算法简介 | 第60-61页 |
| ·学习变量顺序 | 第61-64页 |
| ·基于遗传算法的结构学习 | 第64-67页 |
| ·结构编码和适应度函数 | 第64-65页 |
| ·遗传操作 | 第65-67页 |
| ·实验结果 | 第67页 |
| ·总结及需要进一步研究的问题 | 第67-68页 |
| 第六章 结束语 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 摘要 | 第71-74页 |
| Abstract | 第74-77页 |
| 致谢 | 第77页 |
