基于贝叶斯网的潜类分析在基因关联分析中的应用
| 中文摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 1 前言 | 第10-12页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| 2 贝叶斯网隐变量模型概述 | 第12-27页 |
| ·模型的可识别性 | 第13-14页 |
| ·参数估计 | 第14-16页 |
| ·最大似然估计 | 第14页 |
| ·贝叶斯估计 | 第14-15页 |
| ·EM算法 | 第15-16页 |
| ·模型的选择 | 第16-18页 |
| ·BDe评分函数 | 第16页 |
| ·BIC评分 | 第16-17页 |
| ·AIC评分 | 第17页 |
| ·HVL评分 | 第17页 |
| ·BICe评分 | 第17-18页 |
| ·CS评分 | 第18页 |
| ·模型优化 | 第18-20页 |
| ·K2 算法 | 第18-19页 |
| ·爬山算法 | 第19-20页 |
| ·隐类模型 | 第20-22页 |
| ·隐类模型的可识别性 | 第20-21页 |
| ·隐类模型学习 | 第21-22页 |
| ·多层隐类模型 | 第22-27页 |
| ·多层隐类模型的可识别性 | 第22-23页 |
| ·多层隐类模型学习 | 第23-27页 |
| 3 实例分析 | 第27-54页 |
| ·实例一 | 第27-32页 |
| ·实例二 | 第32-54页 |
| 4 讨论 | 第54-56页 |
| ·贝叶斯网隐变量模型与其它方法的比较 | 第54-55页 |
| ·贝叶斯网隐变量模型与结构方程模型 | 第54-55页 |
| ·贝叶斯网隐变量模型与概率参数化的潜在类别模型 | 第55页 |
| ·本次研究的优点 | 第55页 |
| ·研究的缺点与不足 | 第55页 |
| ·研究展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 个人简介 | 第58-59页 |
| 致谢 | 第59页 |
