| 第一章 绪论 | 第1-19页 |
| §1.1 研究背景和意义 | 第11-12页 |
| §1.2 课题的国内外研究现状 | 第12-17页 |
| §1.2.1 贝叶斯网的产生与发展 | 第12-13页 |
| §1.2.2 贝叶斯网的概念 | 第13-14页 |
| §1.2.3 贝叶斯网的学习 | 第14-16页 |
| §1.2.4 现状分析 | 第16-17页 |
| §1.3 本文的主要研究工作 | 第17-19页 |
| §1.3.1 研究目标、思路 | 第17-18页 |
| §1.3.2 本文主要内容 | 第18-19页 |
| 第二章 蚁群优化算法 | 第19-31页 |
| §2.1 引言 | 第19页 |
| §2.2 蚁群优化算法的原理 | 第19-21页 |
| §2.3 基本蚁群算法的模型 | 第21-23页 |
| §2.4 蚁群优化算法的改进 | 第23-30页 |
| §2.4.1 Ant Colony System | 第24-25页 |
| §2.4.2 Max—Min Ant System | 第25-26页 |
| §2.4.3 Rank-based Ant System | 第26-27页 |
| §2.4.4 Best—Worst Ant System | 第27-29页 |
| §2.4.5 ACO的不同形式的区别及一般形式 | 第29-30页 |
| §2.5 蚁群优化算法的结论 | 第30-31页 |
| 第三章 基于ACO的贝叶斯网结构学习 | 第31-49页 |
| §3.1 贝叶斯网构建过程 | 第31-32页 |
| §3.2 贝叶斯网学习一般方法 | 第32-37页 |
| §3.3 基于ACO结构学习的搜索算法——蚁群优化算法 | 第37-40页 |
| §3.4 基于ACO结构学习的评分函数——K2评分标准 | 第40-41页 |
| §3.5 基于ACO的贝叶斯网结构学习 | 第41-47页 |
| §3.5.1 节点的排序 | 第41-43页 |
| §3.5.2 贝叶斯网的构建 | 第43-47页 |
| §3.6 实验 | 第47-48页 |
| §3.7 本章小结 | 第48-49页 |
| 第四章 CRM中的贝叶斯网应用 | 第49-60页 |
| §4.1 前言 | 第49页 |
| §4.2 客户关系管理 | 第49-55页 |
| §4.3 贝叶斯网在CRM中应用 | 第55-59页 |
| §4.4 结论 | 第59-60页 |
| 第五章 结束语及展望 | 第60-64页 |
