| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究现状分析 | 第10-12页 |
| ·数据密集型计算的研究现状 | 第10-11页 |
| ·贝叶斯网的研究现状 | 第11页 |
| ·研究内容的必要性 | 第11-12页 |
| ·本文工作 | 第12页 |
| ·全文组织 | 第12-14页 |
| 第2章 数据密集型计算和贝叶斯网 | 第14-31页 |
| ·数据密集型计算简介 | 第14-25页 |
| ·数据密集型计算概念 | 第14-15页 |
| ·数据密集型计算面临的挑战 | 第15-25页 |
| ·数据密集型计算的典型应用 | 第25页 |
| ·贝叶斯网简介 | 第25-31页 |
| ·贝叶斯网络概念 | 第26-27页 |
| ·贝叶斯网络学习 | 第27-28页 |
| ·贝叶斯网络推理 | 第28-29页 |
| ·贝叶斯网络的应用 | 第29-31页 |
| 第3章 数据密集型计算环境下贝叶斯网的学习方法 | 第31-47页 |
| ·传统贝叶斯网的学习方法 | 第31-32页 |
| ·传统学习方法在数据密集型计算环境下面临的问题 | 第32-33页 |
| ·数据密集型计算环境下的贝叶斯网学习方法 | 第33-47页 |
| 第4章 数据密集型计算环境下贝叶斯网的推理方法 | 第47-62页 |
| ·传统贝叶斯网的推理方法 | 第47-50页 |
| ·传统推理方法在数据密集型计算环境下面临的问题 | 第50页 |
| ·数据密集型计算环境下的贝叶斯网推理方法 | 第50-62页 |
| 第5章 数据密集型计算环境下贝叶斯网的应用——社区发现 | 第62-88页 |
| ·问题的提出 | 第62-63页 |
| ·本方法的基本思想 | 第63-81页 |
| ·数据密集型计算下的频繁项目集融合方法 | 第64-66页 |
| ·数据密集型计算环境下构建基于频繁项集的基础网络 | 第66-73页 |
| ·数据密集型计算环境下根据构建的网络来进行社区发现 | 第73-81页 |
| ·实验模型 | 第81-86页 |
| ·实验结果及分析 | 第86-88页 |
| 第6章 结束语 | 第88-90页 |
| 参考文献 | 第90-103页 |
| 致谢 | 第103-104页 |
| 附录 | 第104-105页 |
| 1 在读期间(2009.09-今)承担的科研项目 | 第104页 |
| 2 在读期间(2009.09-今)完成及发表的著作、论文 | 第104-105页 |
