首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于概率图模型的贝叶斯排名算法研究

摘要第5-7页
Abstract第7-8页
目录第9-13页
图表目录第13-15页
第一章 绪论第15-19页
    1.1 研究背景及意义第15-16页
    1.2 国内外研究现状第16-17页
    1.3 本文贡献与主要工作第17-18页
        1.3.1 基于TrueSkill模型的围棋棋手排名算法的研究第17页
        1.3.2 TrueSkill-T模型的实用性分析第17页
        1.3.3 改进的贝叶斯评分算法第17页
        1.3.4 提出基于概率图模型的推荐算法第17-18页
    1.4 论文的组织第18-19页
第二章 基础理论第19-31页
    2.1 概率图模型第19-26页
        2.1.1 有向图模型第19-20页
        2.1.2 无向图模型第20-21页
        2.1.3 条件独立性第21-23页
        2.1.4 Factor图第23页
        2.1.5 推理算法第23-26页
    2.2 贝叶斯理论第26页
    2.3 传统评分算法第26-30页
        2.3.1 等级分制第26-27页
        2.3.2 经典Elo评分第27-29页
        2.3.3 基于改进Elo算法的韩国棋院排名第29-30页
    2.4 本章小结第30-31页
第三章 基于TrueSkill算法的围棋棋手排名算法及评估第31-47页
    3.1 引言第31-32页
    3.2 基于TrueSkill算法的围棋棋手排名算法及评估第32-34页
        3.2.1 模型的假设第32页
        3.2.2 双人博弈模型的构造第32-33页
        3.2.3 推理第33-34页
        3.2.4 排名方法第34页
    3.3 评分系统的比较及评价第34-35页
        3.3.1 评分系统的比较第34页
        3.3.2 评价方法第34-35页
    3.4 实验与结果分析第35-41页
        3.4.1 模拟仿真数据及结果第36-37页
        3.4.2 真实数据及结果第37-41页
    3.5 排名结果评价第41-45页
        3.5.1 排名间相关性第41-42页
        3.5.2 排名的客观性第42-43页
        3.5.3 排名的时效性第43页
        3.5.4 排名的稳定性第43-44页
        3.5.5 排名的准确性第44-45页
    3.6 本章小结第45-47页
第四章 TrueSkillGo-Year排名算法的实用性分析第47-61页
    4.1 引言第47-48页
    4.2 模型实现第48-51页
        4.2.1 TrueSkillGo第49-50页
        4.2.2 TrueSkillGo-Year第50-51页
        4.2.3 参数估计与环路的处理第51页
    4.3 实验数据第51-52页
    4.4 实验结果及分析第52-60页
        4.4.1 收敛性第52-53页
        4.4.2 参数性质第53-55页
        4.4.3 客观性第55-56页
        4.4.4 稳定性第56-58页
        4.4.5 职业棋手生涯与排名第58-60页
    4.5 本章小结第60-61页
第五章 改进的贝叶斯评分算法第61-73页
    5.1 引言第61-62页
    5.2 相关工作第62-63页
        5.2.1 TrueSkill原始模型第62页
        5.2.2 TrueSkill-TTT模型第62-63页
        5.2.3 Gaussian-OD模型第63页
    5.3 兼顾先后手优势的竞技水平估计第63-66页
        5.3.1 兼顾先后手优势的TrueSkill-H模型第63-65页
        5.3.2 兼顾先后手优势的TrueSkill-TTT-H模型第65页
        5.3.3 兼顾先后手优势的Gaussian-OD-H模型第65-66页
    5.4 实验数据第66-67页
    5.5 评价方法第67-68页
    5.6 实验结果与分析第68-71页
        5.6.1 实验一第68-70页
        5.6.2 实验二第70-71页
    5.7 本章小结第71-73页
第六章 基于概率图模型的推荐算法第73-83页
    6.1 引言第73-74页
    6.2 相关工作第74页
    6.3 基于概率图模型的推荐系统第74-77页
        6.3.1 符号说明第74-75页
        6.3.2 模型第75-76页
        6.3.3 推理算法第76-77页
    6.4 实验及结果分析第77-80页
        6.4.1 实验数据第77页
        6.4.2 评价方法第77页
        6.4.3 实验结果及分析第77-80页
    6.5 本章小结第80-83页
第七章 结论与展望第83-85页
    7.1 本文的主要工作总结第83页
    7.2 下一步工作展望第83-84页
    7.3 本章小结第84-85页
致谢第85-87页
参考文献第87-91页
附录 攻读学位期间发表的论文及科研项目第91页

论文共91页,点击 下载论文
上一篇:基于压缩感知的射电天文图像重构
下一篇:基于Camera Link的EMCCD相机图像采集系统的研究