| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 论文研究的背景及意义 | 第14-16页 |
| 1.2 贝叶斯网络的研究现状 | 第16-18页 |
| 1.2.1 贝叶斯网络参数学习研究现状 | 第16页 |
| 1.2.2 贝叶斯网络结构学习研究现状 | 第16-18页 |
| 1.2.3 贝叶斯网络应用现状 | 第18页 |
| 1.3 本文的主要工作及结构安排 | 第18-22页 |
| 1.3.1 论文主要工作 | 第19页 |
| 1.3.2 论文结构安排 | 第19-22页 |
| 第二章 贝叶斯网络的基本理论 | 第22-32页 |
| 2.1 贝叶斯网络的理论基础 | 第22-24页 |
| 2.1.1 图论基础 | 第22-23页 |
| 2.1.2 概率论基础 | 第23页 |
| 2.1.3 贝叶斯网络的基本理论 | 第23-24页 |
| 2.2 贝叶斯网络参数学习 | 第24-26页 |
| 2.2.1 最大似然估计 | 第25页 |
| 2.2.2 贝叶斯估计 | 第25-26页 |
| 2.2.3 EM算法 | 第26页 |
| 2.3 贝叶斯网络结构学习 | 第26-30页 |
| 2.3.1 基于依赖分析的结构学习方法 | 第27-28页 |
| 2.3.2 基于打分搜索的结构学习方法 | 第28-30页 |
| 2.3.3 混合的结构学习方法 | 第30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 混合蜂群算法学习贝叶斯网络 | 第32-46页 |
| 3.1 前言 | 第32-33页 |
| 3.2 基本的人工蜂群算法和差分进化算法描述 | 第33-36页 |
| 3.2.1 基本的人工蜂群算法描述 | 第33-35页 |
| 3.2.2 基本的差分进化算法描述 | 第35-36页 |
| 3.3 基于混合蜂群算法学习贝叶斯网络结构 | 第36-45页 |
| 3.3.1 问题转换 | 第37页 |
| 3.3.2 算法的蜜源更新策略 | 第37-38页 |
| 3.3.3 算法描述 | 第38-41页 |
| 3.3.4 仿真实验 | 第41-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 缺失数据下的贝叶斯网络结构学习 | 第46-56页 |
| 4.1 前言 | 第46-47页 |
| 4.2 缺失数据下学习贝叶斯网络结构的EHABC算法 | 第47-54页 |
| 4.2.1 SEM算法 | 第47-48页 |
| 4.2.2 EHABC算法 | 第48-51页 |
| 4.2.3 实验结果 | 第51-54页 |
| 4.3 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 论文的工作总结 | 第56页 |
| 5.2 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 作者简介 | 第64-65页 |