基于领域知识的贝叶斯网络学习研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-18页 |
| ·论文的研究背景和意义 | 第13-14页 |
| ·贝叶斯网络的研究现状 | 第14-16页 |
| ·贝叶斯网络的起源与发展 | 第14-15页 |
| ·贝叶斯网络的研究与应用 | 第15-16页 |
| ·课题的来源和本文的组织 | 第16-18页 |
| ·课题的来源 | 第16页 |
| ·研究内容及安排 | 第16-18页 |
| 第二章 贝叶斯网络学习的基本理论 | 第18-32页 |
| ·贝叶斯网络 | 第18-22页 |
| ·贝叶斯公式 | 第18-19页 |
| ·贝叶斯网络的描述 | 第19-21页 |
| ·贝叶斯网络的条件独立性 | 第21-22页 |
| ·贝叶斯网络的学习 | 第22-23页 |
| ·贝叶斯网络的参数学习 | 第23-27页 |
| ·完备数据集下概率参数的学习 | 第23-25页 |
| ·不完备数据集下概率参数的学习 | 第25-27页 |
| ·贝叶斯网络的结构学习 | 第27-30页 |
| ·基于评分的贝叶斯网络的结构学习 | 第27-29页 |
| ·基于条件独立性测试的贝叶斯网络的结构学习 | 第29-30页 |
| ·领域知识与贝叶斯网络的建模 | 第30-31页 |
| ·领域知识的概念 | 第30页 |
| ·领域知识与构建贝叶斯网络 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 动态贝叶斯网络的参数学习 | 第32-41页 |
| ·动态贝叶斯网络 | 第32-34页 |
| ·动态贝叶斯网络的定义 | 第32-33页 |
| ·隐含马尔可夫模型 | 第33-34页 |
| ·动态贝叶斯网络的参数学习 | 第34页 |
| ·基于 EM的 DBNs参数学习 | 第34-35页 |
| ·DA-EM算法 | 第35-38页 |
| ·算法思想 | 第35-36页 |
| ·划分数据块 | 第36页 |
| ·算法收敛性的判别 | 第36-38页 |
| ·DA-EM算法描述 | 第38页 |
| ·实验结果和分析 | 第38-40页 |
| ·实验环境和数据 | 第38-39页 |
| ·评价标准 | 第39页 |
| ·实验结果分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于领域知识的贝叶斯网络的学习 | 第41-50页 |
| ·SEM算法 | 第41-42页 |
| ·SEM算法的提出 | 第41页 |
| ·SEM算法 | 第41-42页 |
| ·KB-SEM算法思想 | 第42-43页 |
| ·领域知识的采集 | 第43-47页 |
| ·D-S证据理论 | 第43-46页 |
| ·采集领域知识 | 第46-47页 |
| ·算法描述 | 第47页 |
| ·实验结果和分析 | 第47-48页 |
| ·实验环境和数据 | 第47页 |
| ·实验结果分析 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·本文的主要工作总结 | 第50页 |
| ·下一步的工作 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 读硕士期间主要科研工作及成果 | 第56页 |
