动态贝叶斯网络的近似推理算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-19页 |
| ·复杂的不确定性问题 | 第13页 |
| ·贝叶斯网络的研究现状 | 第13-16页 |
| ·贝叶斯网络的起源与发展 | 第13-14页 |
| ·贝叶斯网络的研究与应用 | 第14-16页 |
| ·贝叶斯网络推理 | 第16-17页 |
| ·精确推理算法 | 第16-17页 |
| ·近似推理算法 | 第17页 |
| ·课题来源和本文组织 | 第17-19页 |
| ·课题来源 | 第17-18页 |
| ·本文组织 | 第18-19页 |
| 第二章 动态贝叶斯网络的精确推理 | 第19-36页 |
| ·贝叶斯网络 | 第19-22页 |
| ·贝叶斯网络的描述 | 第19-20页 |
| ·贝叶斯网络的构造 | 第20-21页 |
| ·贝叶斯网络的类型 | 第21-22页 |
| ·动态贝叶斯网络 | 第22-24页 |
| ·动态贝叶斯网络的定义 | 第22-23页 |
| ·隐含马尔可夫模型 | 第23-24页 |
| ·贝叶斯网络的精确推理 | 第24-31页 |
| ·基于消元的精确推理 | 第24-25页 |
| ·联合树精确推理 | 第25-31页 |
| ·动态贝叶斯网络的1.5片联合树精确推理 | 第31-35页 |
| ·构建动态贝叶斯网络的联合树 | 第32页 |
| ·DBNs的1.5片联合树推理算法 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 动态贝叶斯网络的粒子滤波推理 | 第36-44页 |
| ·引言 | 第36页 |
| ·粒子滤波算法 | 第36-39页 |
| ·基于部分抽样的粒子滤波推理算法 | 第39-40页 |
| ·PSPF算法思想 | 第39-40页 |
| ·PSPF算法描述 | 第40页 |
| ·实验结果及分析 | 第40-43页 |
| ·实验环境及评价标准 | 第40-41页 |
| ·实验结果分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 动态贝叶斯网络的混合近似推理 | 第44-52页 |
| ·引言 | 第44页 |
| ·BK算法 | 第44-46页 |
| ·BK算法的基本思想 | 第44-45页 |
| ·BK算法的推理过程 | 第45-46页 |
| ·自适应的混合近似推理算法 | 第46-48页 |
| ·原型联合树的生成 | 第46-47页 |
| ·HAInf算法思想 | 第47-48页 |
| ·HAInf算法描述 | 第48页 |
| ·实验结果及分析 | 第48-51页 |
| ·问题描述 | 第48-49页 |
| ·实验环境及评价标准 | 第49页 |
| ·实验结果分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-53页 |
| ·本文主要工作总结 | 第52页 |
| ·进一步的研究工作 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士期间重要科研工作及成果 | 第58页 |
