基于抽样的贝叶斯网络推理算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-21页 |
| ·贝叶斯网络的起源与发展 | 第13-14页 |
| ·贝叶斯网络 | 第14-18页 |
| ·贝叶斯网络 | 第14-15页 |
| ·贝叶斯网络的构造过程 | 第15-16页 |
| ·贝叶斯网络的类型 | 第16-17页 |
| ·贝叶斯网络的应用 | 第17-18页 |
| ·动态贝叶斯网络 | 第18-20页 |
| ·课题来源和本文组织 | 第20-21页 |
| ·课题来源 | 第20页 |
| ·本文组织 | 第20-21页 |
| 第二章 贝叶斯网络的推理 | 第21-31页 |
| ·贝叶斯网络的研究内容 | 第21-22页 |
| ·贝叶斯网络的推理 | 第22-23页 |
| ·贝叶斯网络的精确推理 | 第22-23页 |
| ·贝叶斯网络的近似推理 | 第23页 |
| ·贝叶斯网络的联合树推理 | 第23-28页 |
| ·相关概念 | 第23-24页 |
| ·联合树推理算法 | 第24-28页 |
| ·动态贝叶斯网络的推理 | 第28-30页 |
| ·动态贝叶斯网络的精确推理 | 第29页 |
| ·动态贝叶斯网络的近似推理 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 贝叶斯网络的 MCMC推理算法研究 | 第31-39页 |
| ·引言 | 第31页 |
| ·MCMC算法与 Gibbs抽样 | 第31-32页 |
| ·MCMC算法 | 第31-32页 |
| ·Gibbs抽样 | 第32页 |
| ·基于 MPI的主从式并行 MCMC推理 | 第32-34页 |
| ·PMCMC的程序结构 | 第32-33页 |
| ·PMCMC的任务分配 | 第33-34页 |
| ·完全条件分布的选择 | 第34页 |
| ·实验结果及分析 | 第34-38页 |
| ·问题描述 | 第34页 |
| ·实验环境及评价标准 | 第34-35页 |
| ·实验结果分析 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 动态贝叶斯网络的粒子滤波推理 | 第39-50页 |
| ·引言 | 第39页 |
| ·粒子滤波和粒子群算法 | 第39-44页 |
| ·粒子滤波算法 | 第39-43页 |
| ·粒子群优化算法 | 第43-44页 |
| ·基于 PSO的进化粒子滤波推理 | 第44-46页 |
| ·编码机制 | 第44页 |
| ·适应度函数的选择 | 第44页 |
| ·EPF算法的主要思想 | 第44-45页 |
| ·EPF算法描述 | 第45-46页 |
| ·实验结果及分析 | 第46-49页 |
| ·问题描述 | 第46页 |
| ·参数设置与实验环境 | 第46-47页 |
| ·实验结果分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·本文主要工作总结 | 第50-51页 |
| ·进一步的研究工作 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士期间重要科研工作及成果 | 第56页 |
