贝叶斯网络结构学习及其在数据挖掘中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-29页 |
| ·引言 | 第11-12页 |
| ·研究背景和意义 | 第12-13页 |
| ·数据挖掘的提出及其发展 | 第13-20页 |
| ·数据挖掘的提出与概念 | 第13-14页 |
| ·数据挖掘的功能 | 第14-16页 |
| ·数据挖掘的技术方法 | 第16-18页 |
| ·数据挖掘中的问题与难点 | 第18-20页 |
| ·贝叶斯网络的研究历史与现状 | 第20-24页 |
| ·国外对贝叶斯网络的研究 | 第20-22页 |
| ·国内对贝叶斯网络的研究 | 第22-24页 |
| ·贝叶斯网络结构学习中的主要问题 | 第24-26页 |
| ·结构空间的不连续性 | 第24页 |
| ·结构空间的指数级规模 | 第24-25页 |
| ·无环的限制 | 第25页 |
| ·结构的等价类别 | 第25页 |
| ·数据的不完备性 | 第25-26页 |
| ·论文的研究内容与组织结构 | 第26-29页 |
| 第二章 贝叶斯网络的基本理论 | 第29-43页 |
| ·引言 | 第29-31页 |
| ·贝叶斯网络的构成 | 第31-36页 |
| ·基本概念与定义 | 第31-34页 |
| ·贝叶斯网络的模型与构成 | 第34-35页 |
| ·一个贝叶斯网络模型的实例 | 第35-36页 |
| ·贝叶斯网络的特点与功能 | 第36-38页 |
| ·贝叶斯网络的特点 | 第36-37页 |
| ·贝叶斯网络的功能与应用 | 第37-38页 |
| ·贝叶斯网络的推理机制 | 第38-40页 |
| ·贝叶斯网络结构学习的内容与方法 | 第40-42页 |
| ·贝叶斯网络结构学习的内容与目标 | 第40-41页 |
| ·贝叶斯网络结构学习的方法 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第三章 贝叶斯网络的条件独立性研究 | 第43-62页 |
| ·引言 | 第43-44页 |
| ·条件独立性 | 第44-52页 |
| ·条件独立性的概念及其性质 | 第44-46页 |
| ·互信息与条件独立性 | 第46-50页 |
| ·互信息和相对熵用于结构学习 | 第50-52页 |
| ·贝叶斯网络与条件独立性 | 第52-56页 |
| ·无向图与依赖模型的关系 | 第52-54页 |
| ·贝叶斯网络对条件独立性的表达 | 第54-56页 |
| ·基于列联表的条件独立性检验 | 第56-61页 |
| ·列联表的定义 | 第57-58页 |
| ·列联表的独立性检验 | 第58-59页 |
| ·列联表的条件独立性检验 | 第59-60页 |
| ·独立性偏差和x~2统计检验的极限分布 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第四章 基于协同学的贝叶斯网络结构学习方法 | 第62-80页 |
| ·引言 | 第62-63页 |
| ·协同学理论 | 第63-66页 |
| ·自组织 | 第63-64页 |
| ·序参量 | 第64页 |
| ·支配原理 | 第64-65页 |
| ·协同学的基本思想与应用 | 第65-66页 |
| ·基于协同学的贝叶斯网络结构学习方法 | 第66-77页 |
| ·贝叶斯网络结构的属性 | 第66-68页 |
| ·基于协同学的贝叶斯网络结构学习机制 | 第68-69页 |
| ·结构似然的计算与问题求解 | 第69-74页 |
| ·结构描述长度的计算与问题求解 | 第74-77页 |
| ·贝叶斯网络结构优化与评估 | 第77-79页 |
| ·基于互信息测度和CI检验的无向图构建 | 第77-78页 |
| ·基于MAP/MDL集成准则的结构优化 | 第78-79页 |
| ·本章小结 | 第79-80页 |
| 第五章 算法设计与实验分析 | 第80-92页 |
| ·算法的理论基础与设计流程 | 第80-82页 |
| ·算法的基本思路 | 第80-81页 |
| ·算法的设计流程 | 第81-82页 |
| ·潜在图(PG)算法 | 第82-84页 |
| ·自治定向(AD)算法 | 第84-86页 |
| ·归纳定向(ID)算法 | 第86-87页 |
| ·结构优化(SR)算法 | 第87-89页 |
| ·实例分析 | 第89-91页 |
| ·学生升学计划网络模型 | 第89-90页 |
| ·汽车故障诊断模型 | 第90-91页 |
| ·本章小结 | 第91-92页 |
| 第六章 贝叶斯网络结构学习在数据挖掘中的应用 | 第92-116页 |
| ·引言 | 第92-93页 |
| ·数据挖掘的体系框架 | 第93-98页 |
| ·数据准备体系 | 第93-96页 |
| ·挖掘与建模体系 | 第96-97页 |
| ·结果解释与评价体系 | 第97-98页 |
| ·贝叶斯网络用于数据挖掘和知识发现 | 第98-100页 |
| ·应用实例——基于贝叶斯网络的土地资源评价模型 | 第100-114页 |
| ·随州市土地资源评价的贝叶斯网络模型 | 第100-105页 |
| ·湖北省土地资源评价的贝叶斯网络模型 | 第105-108页 |
| ·模型应用——通城县土地资源评价 | 第108-114页 |
| ·结果分析 | 第114-115页 |
| ·本章小结 | 第115-116页 |
| 第七章 结论与展望 | 第116-120页 |
| ·主要研究工作与创新点 | 第116-118页 |
| ·未来展望 | 第118-119页 |
| ·结束语 | 第119-120页 |
| 参考文献 | 第120-133页 |
| 图索引 | 第133-134页 |
| 表索引 | 第134-135页 |
| 攻读博士期间发表论文及科研情况 | 第135-136页 |
| 致谢 | 第136页 |
