基于遗传算法的因果发现研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-16页 |
| ·论文选题背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·本文的主要研究内容 | 第15-16页 |
| 第二章 贝叶斯网络 | 第16-25页 |
| ·贝叶斯理论的概率基础知识 | 第16-17页 |
| ·条件概率公式 | 第16-17页 |
| ·贝叶斯公式 | 第17页 |
| ·贝叶斯网络 | 第17-18页 |
| ·贝叶斯网学习 | 第18-24页 |
| ·参数学习 | 第18-20页 |
| ·结构学习 | 第20-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 遗传算法 | 第25-29页 |
| ·遗传算法简介 | 第25页 |
| ·遗传算法的基本步骤 | 第25-28页 |
| ·参数编码 | 第25-26页 |
| ·选择 | 第26-27页 |
| ·交叉 | 第27页 |
| ·变异 | 第27页 |
| ·算法实现步骤 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 基于遗传算法的因果发现的模型设计 | 第29-35页 |
| ·方案设计 | 第29-32页 |
| ·染色体编码 | 第29-30页 |
| ·选择操作 | 第30-31页 |
| ·交叉操作 | 第31页 |
| ·变异操作 | 第31-32页 |
| ·实现步骤 | 第32-33页 |
| ·结果分析 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第五章 因果发现在移动客户预测中的应用 | 第35-48页 |
| ·背景介绍 | 第35-36页 |
| ·样本数据分析 | 第36-44页 |
| ·遗传操作 | 第44-45页 |
| ·编码 | 第44页 |
| ·适应度函数 | 第44页 |
| ·计算步骤 | 第44-45页 |
| ·结果及分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表的论文 | 第52页 |
