基于图分块的贝叶斯网络结构学习研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 主要研究内容及贡献 | 第13-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 贝叶斯网络的基本理论 | 第16-32页 |
| 2.1 贝叶斯网络相关概念 | 第16-19页 |
| 2.2 贝叶斯网络的可视化表示 | 第19-23页 |
| 2.2.1 朴素贝叶斯模型 | 第19-20页 |
| 2.2.2 贝叶斯网络模型 | 第20-23页 |
| 2.3 贝叶斯网络结构学习 | 第23-30页 |
| 2.3.1 基于统计分析的结构学习方法 | 第23-25页 |
| 2.3.2 基于评分搜索的结构学习方法 | 第25-29页 |
| 2.3.3 混合贝叶斯网络结构学习方法 | 第29-30页 |
| 2.4 现阶段存在的问题及研究方向 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于图分块的贝叶斯网络结构学习算法 | 第32-48页 |
| 3.1 贝叶斯网络结构学习方法框架 | 第32-33页 |
| 3.2 基于L1MB相关网络的构建算法 | 第33-35页 |
| 3.3 复杂网络社团挖掘算法分析 | 第35-41页 |
| 3.3.1 社团挖掘算法介绍 | 第36-39页 |
| 3.3.2 典型社团挖掘算法性能分析 | 第39-41页 |
| 3.4 贝叶斯网络结构划分及学习框架改进 | 第41-42页 |
| 3.5 实验结果及分析 | 第42-47页 |
| 3.5.1 实验数据 | 第42-43页 |
| 3.5.2 实验结果分析 | 第43-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 基于混沌混合改进粒子群的搜索算法 | 第48-64页 |
| 4.1 粒子群算法 | 第48-50页 |
| 4.1.1 粒子群算法的思想及模型 | 第48-49页 |
| 4.1.2 粒子群算法的特点 | 第49-50页 |
| 4.2 改进PSO算法及收敛性分析 | 第50-53页 |
| 4.3 基于混沌混合改进粒子群的优化算法 | 第53-57页 |
| 4.3.1 混沌优化算法 | 第53-54页 |
| 4.3.2 混沌混合改进粒子群模型建立 | 第54-57页 |
| 4.4 实验结果与分析 | 第57-62页 |
| 4.4.1 实验设计 | 第57-58页 |
| 4.4.2 实验结果分析 | 第58-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 工作总结 | 第64页 |
| 5.2 研究展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 作者在学期间取得的学术成果 | 第72页 |
