| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 引言 | 第9-13页 |
| 第1章 不确定性与贝叶斯网 | 第13-21页 |
| ·知识的不确定性 | 第13页 |
| ·不确定性知识的表示和处理 | 第13-15页 |
| ·贝叶斯网的概率基础 | 第15-17页 |
| ·基本概念 | 第15-16页 |
| ·基本定理 | 第16-17页 |
| ·条件概率的计算 | 第17页 |
| ·贝叶斯网的语法、语义及特性 | 第17-21页 |
| ·语法 | 第18-19页 |
| ·语义 | 第19-20页 |
| ·贝叶斯网的特性 | 第20-21页 |
| 第2章 贝叶斯网的构建 | 第21-29页 |
| ·基于贝叶斯网的知识表示 | 第21-22页 |
| ·知识表示的过程 | 第21页 |
| ·利用贝叶斯网表示知识 | 第21-22页 |
| ·贝叶斯网结构的确立 | 第22-24页 |
| ·建立因果关系网 | 第22-24页 |
| ·分离技术 | 第24页 |
| ·条件概率表的确定 | 第24-27页 |
| ·条件概率的来源 | 第24-25页 |
| ·建立定量网 | 第25-26页 |
| ·使用局部结构(Local Structure)简化概率计算 | 第26-27页 |
| ·简化贝叶斯网的其它方法 | 第27-29页 |
| 第3章 贝叶斯网推理算法 | 第29-40页 |
| ·贝叶斯网推理概述 | 第29-31页 |
| ·贝叶斯网推理特性及模式 | 第29-30页 |
| ·贝叶斯网推理算法的分类 | 第30-31页 |
| ·贝叶斯网推理算法回顾 | 第31页 |
| ·随机采样算法 | 第31-33页 |
| ·算法描述 | 第31-32页 |
| ·采样推理算法的实例说明 | 第32-33页 |
| ·切集条件化(cutset conditioning)算法 | 第33-38页 |
| ·算法推理及描述 | 第34-37页 |
| ·实例说明 | 第37-38页 |
| ·决策网 | 第38-40页 |
| 第4章 基于贝叶斯网的涮辣专家系统的实现 | 第40-50页 |
| ·专家系统概述 | 第40-41页 |
| ·涮辣简介 | 第41-42页 |
| ·基于贝叶斯网的专家系统开发工具和目标简介 | 第42-43页 |
| ·基于贝叶斯网的涮辣种植决策系统 | 第43-48页 |
| ·涮辣数据的离散化处理 | 第43页 |
| ·从确定性因子模型到贝叶斯网的转化 | 第43-45页 |
| ·基于贝叶斯网的涮辣种植系统创建 | 第45-47页 |
| ·涮辣种植决策网 | 第47-48页 |
| ·基于贝叶斯网的涮辣病虫害诊断系统的建立 | 第48-50页 |
| 第5章 结束语 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54页 |