| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-11页 |
| ·贝叶斯网络的发展和研究现状 | 第11-16页 |
| ·贝叶斯网络结构学习算法的研究现状 | 第13-15页 |
| ·贝叶斯网络应用研究动态 | 第15-16页 |
| ·论文的研究内容和组织结构 | 第16-18页 |
| 2 贝叶斯网络概述 | 第18-29页 |
| ·贝叶斯定理及概率的基本理论 | 第18-21页 |
| ·概率的两种解释 | 第18-19页 |
| ·概率及贝叶斯定理 | 第19-21页 |
| ·贝叶斯网络简介 | 第21-22页 |
| ·贝叶斯网络结构学习 | 第22-28页 |
| ·基于 Tabu 搜索的贝叶斯网络结构学习 | 第22-23页 |
| ·基于禁忌搜索的贝叶斯网络在烟叶香型评价中的应用 | 第23-26页 |
| ·基于群智能算法优化贝叶斯网络结构 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 3 人工鱼群算法 | 第29-37页 |
| ·人工鱼群算法的应用及研究现状 | 第29-30页 |
| ·人工鱼的描述 | 第30-31页 |
| ·鱼群行为分析 | 第31-34页 |
| ·觅食行为 | 第31-32页 |
| ·聚群行为 | 第32页 |
| ·追尾行为 | 第32-33页 |
| ·随机行为 | 第33页 |
| ·行为选择 | 第33页 |
| ·公告板 | 第33-34页 |
| ·算法描述及参数分析 | 第34-36页 |
| ·算法的流程 | 第34-35页 |
| ·对算法性能影响的因素分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于人工鱼群的贝叶斯网络结构学习 | 第37-56页 |
| ·基于 MATLAB 的贝叶斯分类器实验平台 MBNC 简介 | 第37-38页 |
| ·利用人工鱼群优化贝叶斯网络结构的算法设计 | 第38-48页 |
| ·人工鱼的编码 | 第38-39页 |
| ·贝叶斯网络结构作为人工鱼状态的初始化 | 第39-40页 |
| ·最优贝叶斯网络结构公告板 | 第40-41页 |
| ·移动策略的设计及行为方式的实现 | 第41-46页 |
| ·行为选择方式及更新 | 第46-48页 |
| ·基于 K2 的贝叶斯网络结构学习算法 | 第48-51页 |
| ·利用人工鱼群优化 K2 的算法 AFS_K242 | 第51页 |
| ·MBNC 实验平台实验结果及比较分析 | 第51-54页 |
| ·本章小结 | 第54-56页 |
| 5 工作展望 | 第56-58页 |
| ·论文工作总结 | 第56-57页 |
| ·进一步的工作展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第63页 |