多级贝叶斯网络及其应用研究
摘要 | 第1-8页 |
ABSTRACT | 第8-10页 |
目录 | 第10-12页 |
第1章 贝叶斯网络研究的背景和研究现状 | 第12-15页 |
·论文的研究背景 | 第12-13页 |
·贝叶斯网络技术现状 | 第13-14页 |
·本文研究内容及组织结构 | 第14-15页 |
第2章 贝叶斯网络的结构及理论基础 | 第15-31页 |
·贝叶斯网络基本概念 | 第15-19页 |
·贝叶斯网络的定义 | 第15-17页 |
·条件独立和分隔定理 | 第17-18页 |
·贝叶斯网络的构建 | 第18-19页 |
·贝叶斯网络的学习 | 第19-29页 |
·贝叶斯学习 | 第20-23页 |
·贝叶斯网络的结构学习 | 第23-24页 |
·贝叶斯网络的参数学习 | 第24-29页 |
·贝叶斯网络的推理 | 第29页 |
·小结 | 第29-31页 |
第3章 多级贝叶斯网络的训练及推理算法 | 第31-45页 |
·多级贝叶斯网络概念 | 第31-33页 |
·裁剪和平展 | 第33-35页 |
·多级贝叶斯网络的训练 | 第35-36页 |
·多级贝叶斯网络的推理 | 第36-40页 |
·消息传播算法 | 第36-37页 |
·动态推理算法 | 第37-38页 |
·随机模拟方法 | 第38页 |
·含有环的多级贝叶斯网络 | 第38-40页 |
·贝叶斯网络的优化 | 第40-44页 |
·hBOA优化算法 | 第41-43页 |
·AdaBoost优化算法 | 第43-44页 |
·小结 | 第44-45页 |
第4章 多级贝叶斯网络的应用 | 第45-60页 |
·孟加拉数字识别方法概述 | 第45-47页 |
·朴素贝叶斯网络用于孟加拉数字识别 | 第47-53页 |
·朴素贝叶斯网络识别孟加拉数字方法概述 | 第47-49页 |
·系统框架 | 第49-50页 |
·训练及推理算法 | 第50-52页 |
·系统测试结果及分析 | 第52-53页 |
·多级贝叶斯网络在孟加拉数字识别系统中的应用 | 第53-59页 |
·孟加拉数字识别系统框架 | 第53-54页 |
·系统学习算法 | 第54-57页 |
·系统推理算法 | 第57-58页 |
·系统测试结果 | 第58-59页 |
·小结 | 第59-60页 |
第5章 总结 | 第60-62页 |
·本文的总结 | 第60-62页 |
致谢 | 第62-63页 |
攻读硕士学位期间参与的项目及发表的学术论文 | 第63-64页 |
附录 部分实验代码 | 第64-67页 |
参考文献 | 第67-71页 |