基于结构EM的隐变量模型学习方法
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 基于团结构的方法 | 第10-11页 |
| 1.2.2 基于聚类的方法 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第2章 背景知识 | 第16-28页 |
| 2.1 概率论基础 | 第16页 |
| 2.2 信息论基础 | 第16-17页 |
| 2.3 贝叶斯网简介 | 第17-28页 |
| 2.3.1 贝叶斯网参数学习 | 第20-23页 |
| 2.3.2 贝叶斯网结构学习 | 第23-28页 |
| 第3章 基于边的固有权重学习隐变量模型结构 | 第28-38页 |
| 3.1 基础定义 | 第28-30页 |
| 3.2 学习算法 | 第30-38页 |
| 3.2.1 发现贝叶斯网中所有的ε团算法 | 第31-33页 |
| 3.2.2 向贝叶斯网中引入隐变量算法 | 第33-34页 |
| 3.2.3 调整隐变量模型结构算法 | 第34-38页 |
| 第4章 方法的理论性质 | 第38-44页 |
| 4.1 定理及其证明 | 第38-42页 |
| 4.2 性质分析及说明 | 第42-44页 |
| 第5章 实验结果与分析 | 第44-48页 |
| 第6章 原型系统设计与实现 | 第48-54页 |
| 6.1 原型系统功能说明 | 第48-49页 |
| 6.2 原型系统实现与展示 | 第49-54页 |
| 6.2.1 原型系统界面 | 第49-50页 |
| 6.2.2 主要功能实现 | 第50-54页 |
| 第7章 总结与展望 | 第54-56页 |
| 7.1 总结 | 第54页 |
| 7.2 展望 | 第54-56页 |
| 附录 | 第56-64页 |
| 论文中主要算法的实现代码 | 第56-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间完成的科研成果 | 第68-70页 |
| 致谢 | 第70页 |
