| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·研究背景和意义 | 第12-13页 |
| ·贝叶斯网络的产生发展以及研究现状 | 第13-16页 |
| ·论文的研究内容及组织结构 | 第16-17页 |
| 第2章 贝叶斯网络概述和贝叶斯网批量学习方法 | 第17-28页 |
| ·贝叶斯网络概述 | 第17-23页 |
| ·贝叶斯网络的基本理论 | 第17-19页 |
| ·贝叶斯网络的学习 | 第19-21页 |
| ·贝叶斯网络结构学习方法 | 第21-23页 |
| ·贝叶斯网批量学习方法 | 第23-27页 |
| ·网络结构选择 | 第23-26页 |
| ·网络结构优化 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于混合粒子群算法的贝叶斯网络结构学习的搜索算法 | 第28-41页 |
| ·粒子群算法 | 第28-30页 |
| ·粒子群算法简述 | 第28页 |
| ·粒子群算法的步骤 | 第28-30页 |
| ·新的混合粒子群算法 | 第30-31页 |
| ·遗传算法(GA)简介 | 第30-31页 |
| ·改进的混合粒子群算法 | 第31页 |
| ·基于混合粒子群算法的贝叶斯网络结构学习的搜索算法—MPS算法 | 第31-34页 |
| ·MPS算法的步骤 | 第31-32页 |
| ·MPS算法搜索路径的记录 | 第32-33页 |
| ·MPS算法的有效性 | 第33-34页 |
| ·增量式学习及其在MPS搜索算法中的应用 | 第34-40页 |
| ·增量学习方法的概念 | 第34-35页 |
| ·增量学习方法 | 第35-37页 |
| ·增量学习在MPS算法中的应用 | 第37-38页 |
| ·实验结果分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于批量式学习算法的两种增量式算法——iCL和iB | 第41-59页 |
| ·贝叶斯网络结构批量学习CL算法 | 第41-44页 |
| ·Kruskal算法及Prim算法 | 第41-42页 |
| ·Chow & Liu定理 | 第42页 |
| ·CL算法 | 第42-44页 |
| ·基于CL算法的增量式iCL学习算法 | 第44-46页 |
| ·增量式B算法 | 第46-50页 |
| ·B算法 | 第46-48页 |
| ·增量式iB算法 | 第48-50页 |
| ·实验分析 | 第50-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·展望 | 第59-61页 |
| ·需要改进的地方 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录 | 第67页 |
