基于贝叶斯网的多维数据中不确定性知识表示与推理方法

摘要	第1-4页
Abstract	第4-7页
第1章 前言	第7-14页
·研究意义	第7-8页
·国内外研究现状分析	第8-12页
·多维数据的知识发现	第8-10页
·多维数据的知识表示与推理	第10-12页
·本文主要研究内容	第12-13页
·论文结构	第13-14页
第2章 背景知识	第14-23页
·贝叶斯网简介	第14-20页
·概率论基础知识	第14-15页
·贝叶斯网的定义	第15-16页
·贝叶斯网的学习	第16-17页
·贝叶斯网推理	第17-20页
·贝叶斯网分类器简介	第20-23页
·朴素贝叶斯网分类器	第20-21页
·树扩展的贝叶斯网分类器	第21-23页
第3章 全局贝叶斯网的定义和学习	第23-31页
·问题描述	第23-25页
·全局贝叶斯网的定义	第25-26页
·全局模型的学习	第26-31页
第4章 全局贝叶斯网的推理	第31-35页
第5章 实验结果与分析	第35-40页
·实验配置	第35页
·3-阶段推理算法的收敛性与准确性	第35-40页
·吉布斯算法的收敛性	第36-37页
·3-阶段推理算法的准确性	第37-40页
第6章 总结和展望	第40-41页
参考文献	第41-43页
致谢	第43-44页
附录	第44-50页
攻读硕士学位期间发表的论文	第44-45页
部分源代码	第45-50页