| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第一章 绪论 | 第10-14页 |
| ·贝叶斯网络的研究背景及意义 | 第10-11页 |
| ·贝叶斯网络研究现状及方向 | 第11-12页 |
| ·贝叶斯网络起源与研究现状 | 第11页 |
| ·贝叶斯网络研究方向 | 第11-12页 |
| ·论文的研究方法和结构安排 | 第12-14页 |
| 第二章 贝叶斯网络概述 | 第14-26页 |
| ·贝叶斯网络的基本知识 | 第14-20页 |
| ·贝叶斯统计方法 | 第14-15页 |
| ·贝叶斯网络的表示 | 第15-17页 |
| ·贝叶斯网络中的独立性关系研究 | 第17-20页 |
| ·贝叶斯网络的结构学习 | 第20-23页 |
| ·基于打分搜索的网络结构学习 | 第20-22页 |
| ·基于条件独立性测试的网络结构学习 | 第22-23页 |
| ·贝叶斯网络的参数学习 | 第23-25页 |
| ·极大似然估计法 | 第23页 |
| ·贝叶斯统计方法 | 第23-24页 |
| ·不完整数据下的参数学习 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 贝叶斯分类器的改进及其应用 | 第26-42页 |
| ·朴素贝叶斯分类器及其性能分析 | 第26-31页 |
| ·极大后验假设（MAP） | 第26-27页 |
| ·朴素贝叶斯分类器 | 第27-29页 |
| ·朴素贝叶斯分类器的性能分析 | 第29-30页 |
| ·朴素贝叶斯的应用实例 | 第30-31页 |
| ·朴素贝叶斯分类算法的改进方向 | 第31-36页 |
| ·基于结构扩展的贝叶斯分类器 | 第32-34页 |
| ·基于属性选择的贝叶斯分类器 | 第34-36页 |
| ·贝叶斯网分类器改进算法——GA-NBC-TAN算法 | 第36-41页 |
| ·遗传算法的基本思想 | 第36-37页 |
| ·基于GA-NBC-TAN算法的贝叶斯网络分类器 | 第37-40页 |
| ·实验设计和结果比较 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于联合树算法的贝叶斯网络推理 | 第42-66页 |
| ·基于联合树算法的贝叶斯网络推理基本概念 | 第43-47页 |
| ·联合树和图论相关的定义 | 第43-45页 |
| ·贝叶斯网络推理——信度更新的一个例子 | 第45-46页 |
| ·贝叶斯网络推理的三种推理模式 | 第46-47页 |
| ·贝叶斯网络的最优三角化算法研究 | 第47-57页 |
| ·贝叶斯网络的三角化算法问题 | 第47-50页 |
| ·基于改进的自适应遗传算法（AGA-Triangulation）的三角化过程 | 第50-54页 |
| ·实验设计和结果比较 | 第54-57页 |
| ·基于LAZY-ARVE方法的贝叶斯网络精确推理算法 | 第57-65页 |
| ·逆转弧（Arc Reversal，AR）方法 | 第58-60页 |
| ·应用LAZY-ARVE方法的贝叶斯网络推理 | 第60-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表的学术论文 | 第70-71页 |
| 致谢 | 第71页 |
