Bayesian网推理算法及在图像分类上的应用
第一章 前言 | 第1-13页 |
·简介 | 第8页 |
·Bayesian 网推理算法概述 | 第8-10页 |
·Bayesian 网的应用现状 | 第10页 |
·基于Bayesian 网的专家系统 | 第10-11页 |
·Bayesian 网开发工具软件 | 第11-12页 |
·本文的工作 | 第12-13页 |
第二章 BAYESIAN 网 | 第13-20页 |
·基本概念 | 第13-14页 |
·Bayesian 网的语义 | 第14-15页 |
·Bayesian 网的推理任务 | 第15页 |
·Bayesian 网的推理模式 | 第15-16页 |
·Bayesian 网推理的概率基础 | 第16-18页 |
·先验概率和后验概率 | 第16-17页 |
·概率公理 | 第17页 |
·联合概率密度和边际概率密度 | 第17-18页 |
·贝叶斯法则 | 第18页 |
·Bayesian 网中的独立关系 | 第18-20页 |
第三章 BAYESIAN 网推理算法 | 第20-40页 |
·变量消去算法 | 第20-24页 |
·算法原理及描述 | 第20-23页 |
·变量消去算法的复杂度分析 | 第23-24页 |
·集团树传播算法 | 第24-27页 |
·基本思想 | 第24-25页 |
·算法所需数据结构 | 第25页 |
·算法实现 | 第25-27页 |
·概率逻辑采样算法 | 第27-31页 |
·算法原理及描述 | 第27-28页 |
·概率逻辑采样算法的时间复杂度分析 | 第28-29页 |
·逻辑采样算法的精确度分析 | 第29-31页 |
·样本平均值方法 | 第31-34页 |
·样本平均值方法原理 | 第31-33页 |
·样本平均值算法复杂度分析 | 第33-34页 |
·样本平均值算法精确度分析 | 第34页 |
·似然加权算法 | 第34-40页 |
·似然加权算法原理 | 第34-35页 |
·算法实现 | 第35-36页 |
·似然加权算法的时间复杂度分析 | 第36-37页 |
·似然加权算法的精确度分析 | 第37-40页 |
第四章 实验测试 | 第40-48页 |
·各算法运行时间与证据个数的关系 | 第40-41页 |
·各算法运行时间与边数的关系 | 第41-42页 |
·各采样算法在相同采样个数时的相对误差比较 | 第42-45页 |
·各采样算法相对误差与采样个数的关系 | 第45-46页 |
·各采样算法相对误差与证据个数的关系 | 第46-48页 |
第五章 基于BAYESIAN 方法的图像分类 | 第48-60页 |
·简介 | 第48-50页 |
·图像分割 | 第50-52页 |
·特征提取 | 第52-53页 |
·分类器设计 | 第53-57页 |
·实验及结果分析 | 第57-60页 |
第六章 基于决策树的分类器测试平台 | 第60-72页 |
·决策树分类方法简介 | 第60-61页 |
·平台功能简介 | 第61页 |
·需求分析 | 第61-62页 |
·各部分设计简要说明 | 第62-66页 |
·树结构 | 第63-64页 |
·树面板 | 第64页 |
·节点面板 | 第64-65页 |
·图像处理 | 第65页 |
·导出分类规则 | 第65-66页 |
·运行实例 | 第66-70页 |
·小结 | 第70-72页 |
第七章 结论 | 第72-73页 |
参考文献 | 第73-75页 |
摘要 | 第75-78页 |
ABSTRACT | 第78-81页 |
致谢 | 第81页 |