基于超结构与随机搜索的BN结构学习算法
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.3 本文的研究内容与结构安排 | 第18-20页 |
| 第2章 BN基础知识 | 第20-34页 |
| 2.1 概率论基本知识 | 第20-21页 |
| 2.2 图论基本知识 | 第21页 |
| 2.3 BN概述 | 第21-25页 |
| 2.4 BN结构学习方法 | 第25-33页 |
| 2.4.1 基于约束的学习方法 | 第26-28页 |
| 2.4.2 基于评分搜索的学习方法 | 第28-32页 |
| 2.4.3 混合学习方法 | 第32-33页 |
| 2.5 小结 | 第33-34页 |
| 第3章 基于超结构与随机搜索的SSRS算法 | 第34-50页 |
| 3.1 SS学习算法 | 第34-36页 |
| 3.2 基于SS的随机搜索策略 | 第36-39页 |
| 3.2.1 随机搜索操作 | 第36-37页 |
| 3.2.2 初始网络的产生规则 | 第37-38页 |
| 3.2.3 环路的消除算法 | 第38-39页 |
| 3.2.4 初始网络的优化策略 | 第39页 |
| 3.3 SSRS算法 | 第39-42页 |
| 3.3.1 算法描述 | 第39-41页 |
| 3.3.2 时间复杂度分析 | 第41-42页 |
| 3.4 实验 | 第42-49页 |
| 3.4.1 实验数据集与环境配置 | 第42-43页 |
| 3.4.2 评价指标 | 第43-44页 |
| 3.4.3 实验结果与分析 | 第44-49页 |
| 3.5 小结 | 第49-50页 |
| 第4章 扩展的SSRS算法 | 第50-62页 |
| 4.1 扩展策略 | 第50-53页 |
| 4.1.1 基于贪心策略的方向选择 | 第50-51页 |
| 4.1.2 基于马尔科夫毯的网络修剪 | 第51-53页 |
| 4.2 E-SSRS算法 | 第53-55页 |
| 4.3 实验 | 第55-61页 |
| 4.3.1 实验数据集与环境配置 | 第56页 |
| 4.3.2 实验结果与分析 | 第56-61页 |
| 4.4 小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间发表的论文和其它科研情况 | 第67-68页 |
