基于启发式搜索的贝叶斯网络结构学习研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景和意义 | 第8-9页 |
| ·贝叶斯网络的研究现状 | 第9-10页 |
| ·本文主要研究内容与结构安排 | 第10-13页 |
| ·主要研究内容 | 第10-11页 |
| ·结构安排 | 第11-13页 |
| 2 贝叶斯网络的基本理论 | 第13-22页 |
| ·贝叶斯网络基础知识 | 第13-16页 |
| ·概率知识 | 第13-14页 |
| ·图论知识 | 第14页 |
| ·图分割与条件独立 | 第14-15页 |
| ·信息论知识 | 第15-16页 |
| ·贝叶斯网络的知识表示 | 第16-17页 |
| ·贝叶斯网络结构学习 | 第17-21页 |
| ·基于条件独立性测试的方法 | 第18-19页 |
| ·基于评分搜索的方法 | 第19-21页 |
| ·混合贝叶斯网络结构学习方法 | 第21页 |
| ·本章小结 | 第21-22页 |
| 3 基于粒子群优化算法的贝叶斯网络结构学习 | 第22-37页 |
| ·MMPC算法 | 第22-24页 |
| ·粒子群算法 | 第24-28页 |
| ·粒子群算法的基本思想 | 第25-27页 |
| ·标准的粒子群算法 | 第27-28页 |
| ·粒子群算法的特点 | 第28页 |
| ·基于粒子群优化算法的学习过程 | 第28-33页 |
| ·编码设计 | 第29页 |
| ·评分函数的选择 | 第29-30页 |
| ·初始种群的产生方式 | 第30-32页 |
| ·算法实现过程 | 第32-33页 |
| ·实验环境与结果分析 | 第33-36页 |
| ·实验环境与配置 | 第33页 |
| ·实验结果与分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于节点预排序的贝叶斯网络结构学习 | 第37-45页 |
| ·K2算法 | 第37-39页 |
| ·基于节点预排序的优化算法 | 第39-41页 |
| ·优化算法的基本思想 | 第39-40页 |
| ·优化算法的主要步骤 | 第40页 |
| ·优化算法的实现步骤 | 第40-41页 |
| ·实验结果与分析 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 5 总结与展望 | 第45-47页 |
| ·工作总结 | 第45页 |
| ·展望 | 第45-47页 |
| 参考文献 | 第47-53页 |
| 攻读学位期间取得的研究成果 | 第53-54页 |
| 致谢 | 第54-56页 |
