| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 课题背景 | 第7-8页 |
| 1.2 贝叶斯网的起源和发展以及研究现状 | 第8-10页 |
| 1.2.1 贝叶斯网的起源和发展 | 第8页 |
| 1.2.2 贝叶斯网的研究现状 | 第8-10页 |
| 1.3 本文所做的主要工作和结构安排 | 第10-11页 |
| 第二章 贝叶斯网 | 第11-22页 |
| 2.1 贝叶斯网概念 | 第11-15页 |
| 2.1.1 依赖模型和图的关系 | 第11页 |
| 2.1.2 贝叶斯网的定义 | 第11-13页 |
| 2.1.3 贝叶斯网的知识表示 | 第13-15页 |
| 2.2 贝叶斯网的学习 | 第15-21页 |
| 2.2.1 贝叶斯网参数学习 | 第15-17页 |
| 2.2.2 贝叶斯网结构学习 | 第17-21页 |
| 2.2.2.1 基于依赖分析的方法 | 第17页 |
| 2.2.2.2 基于打分搜索的方法 | 第17-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 Hadoop平台 | 第22-30页 |
| 3.1 数据密集型计算 | 第22-23页 |
| 3.1.1 数据密集型计算简介 | 第22页 |
| 3.1.2 数据密集型计算的概率图模型 | 第22-23页 |
| 3.2 Hadoop平台简介 | 第23-29页 |
| 3.2.1 HDFS | 第24-26页 |
| 3.2.2 MapReduce | 第26-27页 |
| 3.2.3 HBase | 第27-29页 |
| 3.2.3.1 HBase的数据模型及其特点 | 第28页 |
| 3.2.3.2 HBase的几个重要特性 | 第28-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 基于Hadoop平台和遗传算法的贝叶斯网结构学习 | 第30-51页 |
| 4.1 遗传算法 | 第30-35页 |
| 4.1.1 遗传算法的生物遗传学基础 | 第30-31页 |
| 4.1.2 遗传算法的基本流程 | 第31-33页 |
| 4.1.3 遗传算法的基本要素 | 第33-35页 |
| 4.2 在本文中遗传算法的应用思想及描述 | 第35-41页 |
| 4.2.1 参数编码 | 第36-38页 |
| 4.2.2 初始种群的设定及适应度函数 | 第38-40页 |
| 4.2.3 遗传操作的设计 | 第40-41页 |
| 4.3 实验设计 | 第41-46页 |
| 4.3.1 数据预处理 | 第41-42页 |
| 4.3.2 贝叶斯网结构学习 | 第42-46页 |
| 4.4 实验具体内容 | 第46-50页 |
| 4.4.1 实验数据 | 第46页 |
| 4.4.2 系统运行环境 | 第46页 |
| 4.4.3 实验步骤 | 第46-48页 |
| 4.4.4 实验结果分析 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文 | 第55-56页 |
| 致谢 | 第56页 |