| 第一章 绪论 | 第1-14页 |
| ·论文研究的背景和意义 | 第7-12页 |
| ·研究意义 | 第7-8页 |
| ·研究背景 | 第8页 |
| ·贝叶斯网络学习研究现状 | 第8-11页 |
| ·贝叶斯网络应用研究现状 | 第11-12页 |
| ·本文的研究领域和组织结构 | 第12-14页 |
| 第二章 基于依赖分析的贝叶斯网结构学习算法的研究与实现 | 第14-35页 |
| ·基本概念 | 第14-16页 |
| ·将信息论中的信息传输理论应用在贝叶斯网络结构学习中 | 第16-19页 |
| ·基于依赖分析的贝叶斯网络结构学习算法 | 第19-24页 |
| ·生成最大权重树(阶段一) | 第19-20页 |
| ·增加第一种边(阶段二) | 第20-21页 |
| ·删除第二种边(阶段三) | 第21-22页 |
| ·边定向(阶段四) | 第22-24页 |
| ·算法分析 | 第24-28页 |
| ·时间复杂度分析 | 第24-25页 |
| ·算法正确性分析 | 第25-28页 |
| ·实验研究 | 第28-34页 |
| ·实验配置 | 第28-29页 |
| ·Alarm网 | 第29-32页 |
| ·Hailfinder网 | 第32-33页 |
| ·Asia网 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 贝叶斯网络分类器的研究与实现 | 第35-52页 |
| ·贝叶斯网络分类器基本理论 | 第36-37页 |
| ·基于DABNL算法的贝叶斯网络分类器 | 第37-42页 |
| ·贝叶斯网络分类器算法简介 | 第37-40页 |
| ·参数估计 | 第40-42页 |
| ·实验设计与结果分析 | 第42-51页 |
| ·分类器性能评价的指标 | 第43-44页 |
| ·阈值ε的取值对分类器性能的影响 | 第44-46页 |
| ·四种贝叶斯网络分类器的性能比较 | 第46-49页 |
| ·参数估计中超参数的选择对分类性能的影响 | 第49-50页 |
| ·训练集的大小对分类性能的影响 | 第50-51页 |
| ·算法改进 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第四章 总结与展望 | 第52-54页 |
| ·本文总结 | 第52页 |
| ·下一步的研究工作展望 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 摘要 | 第56-58页 |
| ABSTRACT | 第58-61页 |
| 致谢 | 第61-62页 |
| 导师及作者简介 | 第62页 |