基于MFO的贝叶斯网络结构学习及应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-16页 |
| 1.3 本文的主要工作 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 第2章 相关知识 | 第18-30页 |
| 2.1 基础知识 | 第18-22页 |
| 2.1.1 图论 | 第18-19页 |
| 2.1.2 概率论 | 第19-20页 |
| 2.1.3 贝叶斯网络 | 第20-22页 |
| 2.2 结构学习 | 第22-26页 |
| 2.2.1 评分函数 | 第23-24页 |
| 2.2.2 基于评分搜索的结构学习 | 第24-26页 |
| 2.3 参数学习 | 第26-28页 |
| 2.4 贝叶斯网络的推理 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于飞蛾-烛火优化的结构学习 | 第30-52页 |
| 3.1 优化算法 | 第30-31页 |
| 3.2 飞蛾-烛火优化算法 | 第31-33页 |
| 3.3 结构学习 | 第33-41页 |
| 3.3.1 初始化 | 第34页 |
| 3.3.2 非法结构及其更正 | 第34-35页 |
| 3.3.3 飞蛾的位置更新 | 第35-41页 |
| 3.4 算法验证及分析 | 第41-50页 |
| 3.4.1 实验设计及结果 | 第41-49页 |
| 3.4.2 结果分析 | 第49-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第4章 贝叶斯网络在数据分析中的应用 | 第52-60页 |
| 4.1 数据简介 | 第52-54页 |
| 4.2 构建贝叶斯网络 | 第54-55页 |
| 4.3 数据分析及软件设计 | 第55-57页 |
| 4.4 本章小结 | 第57-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录A Bank网络参数 | 第66-72页 |
| 致谢 | 第72-74页 |
| 在读期间发表的学术论文与取得的研究成果 | 第74页 |
