| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.3 论文主要工作及章节安排 | 第19-21页 |
| 第二章 泊松伽马置信网络 | 第21-31页 |
| 2.1 引言 | 第21-22页 |
| 2.2 贝叶斯统计学习 | 第22-25页 |
| 2.2.1 贝叶斯学习基础 | 第22页 |
| 2.2.2 贝叶斯学习先验分布选取 | 第22-23页 |
| 2.2.3 贝叶斯学习推断方法 | 第23-25页 |
| 2.3 PGBN模型 | 第25-27页 |
| 2.3.1 PGBN模型简介 | 第25-26页 |
| 2.3.2 PGBN模型参数先验 | 第26-27页 |
| 2.4 分类器选择 | 第27-28页 |
| 2.4.1 SVM简介 | 第27页 |
| 2.4.2 SVM算法原理 | 第27-28页 |
| 2.5 本章小结 | 第28-31页 |
| 第三章 基于吉布斯推断方法的PGBN研究 | 第31-49页 |
| 3.1 引言 | 第31-32页 |
| 3.2 几种分布及其关系 | 第32-34页 |
| 3.3 PGBN模型参数推断 | 第34-38页 |
| 3.4 PGBN训练过程 | 第38-40页 |
| 3.4.1 upward过程 | 第39页 |
| 3.4.2 downward过程 | 第39-40页 |
| 3.5 PGBN实验仿真 | 第40-45页 |
| 3.5.1 仿真实验设计思路 | 第40页 |
| 3.5.2 仿真数据介绍 | 第40-41页 |
| 3.5.3 PGBN仿真结果及分析 | 第41-45页 |
| 3.6 PGBN应用探析 | 第45-48页 |
| 3.6.1 研究思路及仿真设计 | 第45页 |
| 3.6.2 仿真实验结果分析 | 第45-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 基于在线学习方法的PGBN研究 | 第49-65页 |
| 4.1 引言 | 第49页 |
| 4.2 在线学习 | 第49-51页 |
| 4.2.1 在线学习简介 | 第49-50页 |
| 4.2.2 在线学习理论 | 第50-51页 |
| 4.3 在线PGBN参数推断及训练流程 | 第51-53页 |
| 4.3.1 在线PGBN参数推断 | 第51-53页 |
| 4.3.2 在线PGBN训练过程 | 第53页 |
| 4.4 在线PGBN实验仿真 | 第53-58页 |
| 4.4.1 仿真实验设计思路 | 第53-54页 |
| 4.4.2 仿真实验结果及分析 | 第54-58页 |
| 4.5 在线PGBN应用探析 | 第58-61页 |
| 4.5.1 仿真实验设计思路 | 第58-59页 |
| 4.5.2 仿真结果及分析 | 第59-61页 |
| 4.6 基于在线PGBN的网页文档实时处理应用研究 | 第61-62页 |
| 4.6.1 网页文档实时处理应用简介 | 第61页 |
| 4.6.2 网页文档实时处理应用实现研究 | 第61-62页 |
| 4.7 本章小结 | 第62-65页 |
| 第五章 结束语 | 第65-67页 |
| 5.1 工作总结 | 第65页 |
| 5.2 工作展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 作者简介 | 第73-74页 |