| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状及发展趋势 | 第11-12页 |
| 1.2.1 国内外研究现状 | 第11-12页 |
| 1.2.2 简要评述 | 第12页 |
| 1.3 论文结构 | 第12-13页 |
| 第二章 贝叶斯网络 | 第13-19页 |
| 2.1 贝叶斯网络 | 第13-16页 |
| 2.2 贝叶斯网络学习 | 第16-17页 |
| 2.2.1 贝叶斯网络结构学习 | 第16页 |
| 2.2.2 基于评分——搜索的学习方法 | 第16-17页 |
| 2.2.3 基于约束的学习算法 | 第17页 |
| 2.2.4 贝叶斯网络参数学习 | 第17页 |
| 2.3 贝叶斯网络应用 | 第17-19页 |
| 第三章 K2学习算法 | 第19-22页 |
| 3.1 K2算法的定义 | 第19页 |
| 3.2 K2算法伪代码 | 第19-20页 |
| 3.3 互信息和遗传算法以及蚁群算法简介 | 第20-22页 |
| 3.3.1 互信息 | 第20页 |
| 3.3.2 遗传算法 | 第20-21页 |
| 3.3.3 蚁群算法 | 第21-22页 |
| 第四章 基于互信息的变量序列优化算法 | 第22-26页 |
| 4.1 算法思想 | 第22页 |
| 4.2 基于遗传算法和蚁群算法的改进型K2序列互信息选择算法 | 第22-23页 |
| 4.3 改进的算法伪代码 | 第23-24页 |
| 4.3.1 基于遗传算法的互信息最佳序列选择伪代码 | 第23页 |
| 4.3.2 基于蚁群算法的互信息最佳序列选择伪代码 | 第23-24页 |
| 4.4 算法流程 | 第24-26页 |
| 4.4.1 基于遗传算法的互信息序列选择流程图 | 第24-25页 |
| 4.4.2 基于蚁群算法的互信息序列选择流程图 | 第25-26页 |
| 第五章 实验与分析 | 第26-41页 |
| 5.1 实验目的 | 第26页 |
| 5.2 实验步骤与设计 | 第26页 |
| 5.3 标准测试数据 | 第26-27页 |
| 5.4 算法运行环境 | 第27页 |
| 5.5 参数设置 | 第27-28页 |
| 5.6 实验结果与分析 | 第28-41页 |
| 5.6.1 基于不同算法下标准检测网络评分值比较 | 第28-29页 |
| 5.6.2 基于不同算法下标准检测网络结构比较与分析 | 第29-33页 |
| 5.6.3 基于不同算法下权重参数a,b与网络评分值之间的关系 | 第33-36页 |
| 5.6.4 基于不同算法下变量序列评分值与网络评分值之间的关系 | 第36-41页 |
| 第六章 总结与展望 | 第41-42页 |
| 6.1 总结 | 第41页 |
| 6.2 问题 | 第41页 |
| 6.3 展望 | 第41-42页 |
| 参考文献 | 第42-44页 |
| 附录 | 第44-62页 |
| 致谢 | 第62-63页 |
| 作者简介 | 第63页 |
