| Abstract | 第2页 |
| 1 INTRODUCTION | 第5-7页 |
| 1.1 Background | 第5页 |
| 1.2 The development of Bayesian Networks | 第5页 |
| 1.3 Disposition | 第5-6页 |
| 1.4 Problem description | 第6-7页 |
| 2 ELEMENTARY | 第7-16页 |
| 2.1 Bayes’Theorem | 第7-10页 |
| 2.1.1 Using Bayes’theorem | 第8-10页 |
| 2.2 Difficulties Inherent in large Instances | 第10-11页 |
| 2.3 Markov Condition | 第11-16页 |
| 3 BAYESIAN NETWORKS | 第16-25页 |
| 3.1 Introduction | 第17-18页 |
| 3.2 Representation | 第18-20页 |
| 3.3 Inference | 第20-23页 |
| 3.3.1 Example of Inference | 第21-23页 |
| 3.4 Learning Bayesian Networks | 第23-24页 |
| 3.5 Application of Bayesian Networks | 第24-25页 |
| 4 LEARNING PARAMETERS IN BAYESIAN NETWORKS | 第25-33页 |
| 4.1 Complete Data | 第25-28页 |
| 4.1.1 Maximum Likelihood Estimation | 第25-26页 |
| 4.1.2 Bayesian estimation | 第26-28页 |
| 4.2 Incomplete Data | 第28-32页 |
| 4.2.1 Approximate Parameter Estimation: The EM Algorithm | 第30-32页 |
| 4.3 Adaptation | 第32-33页 |
| 5 LEARNING STRUCTURE OF BAYESIAN NETWORKS | 第33-44页 |
| 5.1 Introduction | 第33-34页 |
| 5.2 Constraint-Based Learning Methods | 第34-39页 |
| 5.2.1 From Skeleton to DAG | 第34-37页 |
| 5.2.2 From Independence Tests to Skeleton | 第37-38页 |
| 5.2.3 Constraint-Based Learning on Data Sets | 第38-39页 |
| 5.3 Score-Based Learning | 第39-44页 |
| 5.3.1 Score Functions | 第39-41页 |
| 5.3.2 Search Procedures | 第41-42页 |
| 5.3.3 Chow-Liu Trees | 第42-44页 |
| 6 BAYESIAN NETWORKS IN REAL LIFE | 第44-50页 |
| 6.1 B N in Biomedicine and Health-care | 第44-47页 |
| 6.2 B N In Biology | 第47页 |
| 6.3 B N in Business and Finance | 第47页 |
| 6.4 B N in Computer Hardware and Software | 第47-48页 |
| 6.5 B N in Medicine | 第48-49页 |
| 6.6 Future Works | 第49-50页 |
| Acknowledgements | 第50-51页 |
| References | 第51-54页 |
