| 第一章 绪论 | 第1-20页 |
| ·贝叶斯网络的研究背景和研究意义 | 第12-14页 |
| ·贝叶斯网络的发展和研究现状 | 第14-18页 |
| ·论文研究内容和组织结构 | 第18-20页 |
| 第二章 贝叶斯网络的基本理论 | 第20-27页 |
| ·引言 | 第20页 |
| ·基本定义和定理 | 第20-25页 |
| ·贝叶斯网络的知识表示 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 贝叶斯网络的推理 | 第27-38页 |
| ·引言 | 第27页 |
| ·基于消息传播的推理算法 | 第27-32页 |
| ·算法原理 | 第28-31页 |
| ·算法描述 | 第31-32页 |
| ·基于消元的推理算法 | 第32-35页 |
| ·基于连接树的推理算法 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 贝叶斯网络的学习 | 第38-51页 |
| ·引言 | 第38页 |
| ·贝叶斯网络的参数学习 | 第38-41页 |
| ·最大似然估计方法 | 第38-39页 |
| ·贝叶斯方法 | 第39-41页 |
| ·贝叶斯网络的结构学习 | 第41-44页 |
| ·基于评分搜索的贝叶斯网络结构学习 | 第41-44页 |
| ·基于依赖分析的贝叶斯网络结构学习 | 第44页 |
| ·一种基于依赖分析的贝叶斯网络结构学习算法 ISOR | 第44-50页 |
| ·贝叶斯网络的初始化 | 第46页 |
| ·贝叶斯网络的扩展 | 第46-47页 |
| ·确定边的方向 | 第47-48页 |
| ·冗余边检验 | 第48-49页 |
| ·算法分析 | 第49-50页 |
| ·时间性能及稳定性分析 | 第49页 |
| ·实验结果分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 具有缺失数据的贝叶斯网络的学习 | 第51-62页 |
| ·引言 | 第51页 |
| ·具有缺失数据的贝叶斯网络的参数学习 | 第51-52页 |
| ·EM方法 | 第51-52页 |
| ·Gibbs抽样方法 | 第52页 |
| ·具有缺失数据的贝叶斯网络的结构学习 | 第52-55页 |
| ·具有缺失数据的贝叶斯网络的结构学习算法 BC-ISOR | 第55-61页 |
| ·参数估计 | 第55-58页 |
| ·生成贝叶斯网络中所有可能的边 | 第58页 |
| ·确定网络中边的方向 | 第58-59页 |
| ·冗余边检验 | 第59页 |
| ·实验分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·本文的主要工作总结 | 第62页 |
| ·下一步的工作 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士期间主要科研工作及成果 | 第68页 |