贝叶斯网不确定性推理研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第1章 绪论 | 第13-18页 |
| ·研究背景及研究现状分析 | 第13-16页 |
| ·本文研究的内容与方法 | 第16-17页 |
| ·本文的组织结构 | 第17-18页 |
| 第2章 概率知识合成算法研究 | 第18-35页 |
| ·问题描述 | 第18-19页 |
| ·概率约束一致时的知识合成算法 | 第19-22页 |
| ·IPFP算法 | 第19-21页 |
| ·C-IPFP算法 | 第21-22页 |
| ·概率约束不一致时的知识合成算法 | 第22-34页 |
| ·CC-IPFP算法 | 第23-24页 |
| ·GEMA算法 | 第24-26页 |
| ·SMOOTH算法 | 第26-31页 |
| ·实验结果对比与分析 | 第31-34页 |
| ·小结 | 第34-35页 |
| 第3章 贝叶斯网知识合成算法研究 | 第35-47页 |
| ·问题描述 | 第35-36页 |
| ·贝叶斯网知识合成算法 | 第36-45页 |
| ·E-IPFP算法 | 第37-43页 |
| ·约束集不一致时E-IPFP算法的改进 | 第43-45页 |
| ·小结 | 第45-47页 |
| 第4章 不确定性证据下贝叶斯网信度更新 | 第47-59页 |
| ·问题描述 | 第47-48页 |
| ·不确定性证据下的信度更新算法 | 第48-57页 |
| ·Jeffrey’s Rule和IPFP | 第49-50页 |
| ·Virtual Evidence Method | 第50-52页 |
| ·多重证据时存在的问题 | 第52-53页 |
| ·BN-IPFP算法 | 第53-56页 |
| ·证据不一致时的处理 | 第56-57页 |
| ·小结 | 第57-59页 |
| 第5章 贝叶斯网在语义网本体推理中的应用 | 第59-78页 |
| ·引言 | 第59-60页 |
| ·研究现状 | 第60-61页 |
| ·BayesOWL框架 | 第61-75页 |
| ·结构转换规则 | 第61-66页 |
| ·BayesOWL中的语义关系 | 第66-69页 |
| ·BayesOWL中概率知识的表示和合成 | 第69-73页 |
| ·BayesOWL中的推理 | 第73-75页 |
| ·BayesOWL理论框架的实现 | 第75-76页 |
| ·小结 | 第76-78页 |
| 第6章 论文总结 | 第78-80页 |
| 参考文献 | 第80-85页 |
| 致谢 | 第85-86页 |
| 在读期间发表的学术论文与取得的研究成果 | 第86-87页 |
