贝叶斯网络在击剑训练决策支持中的研究与应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-17页 |
| ·课题背景 | 第11-12页 |
| ·课题的研究现状与意义 | 第12-14页 |
| ·贝叶斯网络研究概述 | 第14-15页 |
| ·本文的研究内容与组织结构 | 第15-17页 |
| 2 贝叶斯网络及其学习算法 | 第17-30页 |
| ·贝叶斯网络的概率论基础 | 第17-21页 |
| ·概率论的基本思想 | 第17-18页 |
| ·贝叶斯法则与极大似然假设 | 第18-20页 |
| ·条件独立性 | 第20页 |
| ·概率推理 | 第20-21页 |
| ·贝叶斯网络模型的知识表达 | 第21-24页 |
| ·贝叶斯网络的学习算法 | 第24-28页 |
| ·结构学习 | 第24-27页 |
| ·参数学习 | 第27-28页 |
| ·贝叶斯网络推理 | 第28-30页 |
| 3 击剑训练优化分析模型的分析与设计 | 第30-40页 |
| ·击剑教学训练过程的相关变量 | 第30-35页 |
| ·训练过程相关变量 | 第32页 |
| ·生理效应指标 | 第32-35页 |
| ·其他变量 | 第35页 |
| ·网络结构及概率的学习 | 第35-40页 |
| ·结构的确立 | 第36-38页 |
| ·样本数据的选择和处理 | 第38-40页 |
| 4 基于BP 神经网络的击剑训练优化分析 | 第40-50页 |
| ·BP 人工神经网络概述 | 第40-41页 |
| ·BP 算法的原理 | 第41-44页 |
| ·击剑训练优化的BP 模型设计 | 第44-48页 |
| ·输入输出层的设计 | 第44页 |
| ·网络结构和隐藏层内节点数的选择 | 第44-45页 |
| ·学习单元的选择 | 第45页 |
| ·初始权值的确定 | 第45页 |
| ·学习算法的选择 | 第45-47页 |
| ·样本数据的处理 | 第47-48页 |
| ·贝叶斯网络模型与BP 网络模型应用评估 | 第48-50页 |
| ·贝叶斯网络与人工神经网络的比较 | 第48-49页 |
| ·贝叶斯网络模型与BP 网络模型的性能比较 | 第49-50页 |
| 5 决策支持系统的开发与实现 | 第50-59页 |
| ·开发工具 | 第50-52页 |
| ·Java 编程语言和 Eclipse 开发平台 | 第50-51页 |
| ·SQL Server 2005 | 第51-52页 |
| ·系统主要功能 | 第52-59页 |
| ·数据采集与信息管理 | 第54-55页 |
| ·训练数据可视化分析 | 第55-57页 |
| ·贝叶斯网络训练优化分析 | 第57-59页 |
| 6 总结与展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-64页 |
| 个人简历 | 第64页 |
| 攻读学位期间的主要成果 | 第64页 |
