| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究的背景和意义 | 第9-10页 |
| ·研究现状 | 第10-11页 |
| ·国内研究现状 | 第10页 |
| ·国外研究现状 | 第10-11页 |
| ·本文的主要工作 | 第11-12页 |
| ·本文的组织结构 | 第12-13页 |
| 第2章 贝叶斯网络基础 | 第13-18页 |
| ·贝叶斯网络概述 | 第13-14页 |
| ·贝叶斯网络的学习 | 第14-17页 |
| ·贝叶斯网络的推理 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第3章 概率聚合与贝叶斯网络的合并 | 第18-22页 |
| ·概率聚合概述及常用的概率聚合公式 | 第18-19页 |
| ·概率聚合的性质 | 第19-21页 |
| ·贝叶斯网络的合并 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第4章 贝叶斯网络合并算法 | 第22-33页 |
| ·条件概率表的扩展和简化 | 第22-24页 |
| ·概率聚合函数 | 第24-25页 |
| ·贝叶斯网络合并算法 | 第25-28页 |
| ·有向边的逆转 | 第28-29页 |
| ·贝叶斯网络的扩展 | 第29-30页 |
| ·贝叶斯网络合并算法的验证实验 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第5章 结合专家知识的贝叶斯网络结构学习 | 第33-36页 |
| ·结合专家知识的贝叶斯网络结构学习 | 第33页 |
| ·基于贝叶斯网络合并的贝叶斯网络结构学习算法 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第6章 贝叶斯网络合并算法用于提高生物微阵列数据的学习精度 | 第36-41页 |
| ·基因调控网络概述 | 第36-37页 |
| ·用共识贝叶斯网络建模基因调控网络的原因 | 第37-38页 |
| ·用共识贝叶斯网络建模基因调控网络 | 第38-39页 |
| ·用贝叶斯网络建模基因调控网络的合理性分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第7章 总结与展望 | 第41-43页 |
| ·工作总结 | 第41-42页 |
| ·进一步的研究方向 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 作者简介及在学期间所取得的科研成果 | 第46-47页 |
| 致谢 | 第47页 |