基于数据几何特性的概率推理和统计学习研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-27页 |
| ·概率推理和统计学习的研究背景及意义 | 第9-12页 |
| ·概率推理和统计学习是发掘事物内在联系的工具 | 第9-11页 |
| ·概率推理和统计学习中的关键技术 | 第11-12页 |
| ·几何方法在概率推理和统计学习中的作用 | 第12页 |
| ·概率推理和统计学习的关键技术研究现状 | 第12-24页 |
| ·统计回归分析 | 第13-17页 |
| ·动态贝叶斯网络 | 第17-21页 |
| ·聚类数目估计 | 第21-24页 |
| ·本文的研究内容、方法与主要成果 | 第24-27页 |
| 第二章 挖掘数据间几何关联的几何关联学习 | 第27-51页 |
| ·引言 | 第27-29页 |
| ·数据之间几何关联的挖掘 | 第29-32页 |
| ·曲线流形之间的几何回归 | 第32-36页 |
| ·最优回归模型 | 第36-37页 |
| ·基于几何关联的回归模型预测 | 第37-39页 |
| ·几何关联学习的预测性能 | 第39-45页 |
| ·实验结果 | 第45-49页 |
| ·本章小结 | 第49-51页 |
| 第三章 基于几何模式相关的动态贝叶斯网络 | 第51-67页 |
| ·引言 | 第51-54页 |
| ·时间序列映射为几何模式 | 第54-56页 |
| ·几何模式的特征、调控子和调控时滞 | 第56-58页 |
| ·动态贝叶斯网络推理基因调控网络 | 第58-60页 |
| ·实验结果 | 第60-65页 |
| ·本章小结 | 第65-67页 |
| 第四章 变结构动态贝叶斯网络的自适应学习 | 第67-85页 |
| ·引言 | 第67-68页 |
| ·时间序列的几何结构与分割 | 第68-71页 |
| ·时间序列映射为曲线流形 | 第68-70页 |
| ·几何结构的描述与时间序列的分割 | 第70-71页 |
| ·合理模型区域的寻找策略 | 第71-72页 |
| ·动态贝叶斯网络的结构学习 | 第72-74页 |
| ·动态贝叶斯网络模型的回访机制 | 第74-78页 |
| ·自适应学习方法中的参数 | 第78-79页 |
| ·实验结果 | 第79-84页 |
| ·本章小结 | 第84-85页 |
| 第五章 基于两聚类几何模型的聚类数目估计 | 第85-99页 |
| ·引言 | 第85-87页 |
| ·两聚类的几何模型 | 第87-89页 |
| ·分析最优聚类结构的演化原理 | 第89-90页 |
| ·基于两聚类几何模型的系统能量和行为 | 第90-91页 |
| ·系统的状态和演化规则 | 第91-93页 |
| ·实验结果 | 第93-96页 |
| ·系统演化方法的适用性 | 第96-98页 |
| ·本章小结 | 第98-99页 |
| 第六章 总结与展望 | 第99-102页 |
| 致谢 | 第102-103页 |
| 参考文献 | 第103-113页 |
| 攻读博士学位期间完成的论文和科研工作 | 第113-115页 |
