离散动态贝叶斯网络精确推理的研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-32页 |
| 1.1 贝叶斯网络的研究目的 | 第16-22页 |
| 1.1.1 不确定性问题 | 第16-17页 |
| 1.1.2 推理系统的概率解释 | 第17-19页 |
| 1.1.3 概率图模型及其研究内容 | 第19-22页 |
| 1.2 贝叶斯网络的理论基础 | 第22-28页 |
| 1.2.1 贝叶斯网络模型概述 | 第22-23页 |
| 1.2.2 D分隔和条件独立性 | 第23-25页 |
| 1.2.3 无向分隔和团 | 第25-27页 |
| 1.2.4 研究现状 | 第27-28页 |
| 1.3 动态贝叶斯网络模型及研究内容 | 第28-31页 |
| 1.4 本文内容 | 第31-32页 |
| 第二章 动态贝叶斯网络的表示 | 第32-46页 |
| 2.1 静态贝叶斯网络表示 | 第32-34页 |
| 2.2 隐变量和动态贝叶斯网络表示 | 第34-36页 |
| 2.3 HMM及离散动态贝叶斯网络的变体 | 第36-46页 |
| 2.3.1 HMM | 第36-38页 |
| 2.3.2 Factorial HMM | 第38-39页 |
| 2.3.3 Coupled HMM | 第39-41页 |
| 2.3.4 Hierarchical HMM | 第41-45页 |
| 2.3.5 Abstract HMM | 第45-46页 |
| 第三章 动态贝叶斯网络的精确推理 | 第46-66页 |
| 3.1 推理算法分类 | 第46页 |
| 3.2 基本运算 | 第46-47页 |
| 3.3 变量消元法 | 第47-50页 |
| 3.4 联合树算法 | 第50-60页 |
| 3.4.1 变量消元和联合树算法 | 第50页 |
| 3.4.2 消元复杂度和三角化 | 第50-52页 |
| 3.4.3 消去顺序 | 第52-53页 |
| 3.4.4 联合树及构建联合树 | 第53-55页 |
| 3.4.5 联合树推理算法和消息传播 | 第55-60页 |
| 3.5 动态贝叶斯网络的推理 | 第60-66页 |
| 3.5.1 前向后向算法 | 第60-61页 |
| 3.5.2 接口算法 | 第61-66页 |
| 第四章 贝叶斯网络的参数学习 | 第66-72页 |
| 4.1 最大似然估计 | 第66-68页 |
| 4.2 EM算法 | 第68-70页 |
| 4.3 参数集和动态网络参数学习 | 第70-72页 |
| 第五章 贝叶斯网络推理库实现 | 第72-86页 |
| 5.1 libdbn简介 | 第72-73页 |
| 5.2 实现环境 | 第73-74页 |
| 5.3 核心组件 | 第74-78页 |
| 5.4 高级组件 | 第78-79页 |
| 5.5 中间接口 | 第79-81页 |
| 5.6 高级接口示例 | 第81-82页 |
| 5.7 核心组件测试 | 第82-86页 |
| 第六章 结论 | 第86-88页 |
| 参考文献 | 第88-91页 |
| 致谢 | 第91-93页 |
| 作者简介 | 第93-94页 |
