基于扰动数据的因果网络结构的学习
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·贝叶斯网络简介 | 第10-12页 |
| ·因果网络简介 | 第12-15页 |
| ·本文的动机 | 第15-16页 |
| ·本文的主要研究工作 | 第16页 |
| ·本文的组织结构 | 第16-18页 |
| 第二章 因果网络结构的学习 | 第18-43页 |
| ·问题描述 | 第18-20页 |
| ·基本概念简介 | 第20-32页 |
| ·模式 | 第20页 |
| ·独立性 | 第20页 |
| ·有向无环图 | 第20-21页 |
| ·D 分离 | 第21-23页 |
| ·因果关系 | 第23-24页 |
| ·直接因果关系与间接因果关系 | 第24页 |
| ·变量之间的因果关系 | 第24页 |
| ·因果图 | 第24-25页 |
| ·马尔科夫等价性 | 第25-30页 |
| ·本质图 | 第30-32页 |
| ·基于条件独立限制的方法 | 第32-36页 |
| ·SGS 算法 | 第32页 |
| ·SGS 算法的复杂度 | 第32-33页 |
| ·PC 算法 | 第33-35页 |
| ·PC 算法的复杂度 | 第35-36页 |
| ·PC 算法与 SGS 算法的比较 | 第36页 |
| ·基于打分的方法 | 第36-39页 |
| ·贝叶斯打分方法 | 第36-37页 |
| ·网络结构的边沿似然 | 第37页 |
| ·K2 度量 | 第37-38页 |
| ·BDeu 度量 | 第38-39页 |
| ·以上方法所不能解决的问题 | 第39页 |
| ·引入扰动数据后的方法 | 第39-42页 |
| ·扰动数据的格式 | 第39-40页 |
| ·对于 BDeu 度量打分方式的调整 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第三章 模拟试验及其结果分析 | 第43-47页 |
| ·ALARM 网络模拟实验 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 总结与展望 | 第47-49页 |
| ·论文总结 | 第47-48页 |
| ·展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士学位期间已发表的论文 | 第53-55页 |
