Factor Tree推理算法的改进与实现
| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-12页 |
| ·背景介绍 | 第7页 |
| ·贝叶斯网发展现状 | 第7-8页 |
| ·目前基于贝叶斯网的专家系统 | 第8-9页 |
| ·本文的工作 | 第9-12页 |
| 第二章 贝叶斯网基础知识 | 第12-21页 |
| ·不确定性知识的表示 | 第12-14页 |
| ·节点的表示及分类 | 第12-13页 |
| ·节点间的结构联系 | 第13-14页 |
| ·条件概率分布 | 第14页 |
| ·贝叶斯网的定义及语义 | 第14-20页 |
| ·贝叶斯网的定义 | 第14-15页 |
| ·贝叶斯网的语义 | 第15-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 贝叶斯网络的推理算法 | 第21-53页 |
| ·贝叶斯网中的几种推理模式 | 第21-23页 |
| ·贝叶斯网络中的证据变量 | 第23页 |
| ·贝叶斯网中的推理算法 | 第23-52页 |
| ·聚类算法 | 第23-27页 |
| ·枚举推理算法 | 第27-30页 |
| ·变量消元算法 | 第30-39页 |
| ·联合树算法 | 第39-43页 |
| ·基于有向Polytrees中的推理算法 | 第43-52页 |
| ·本章小节 | 第52-53页 |
| 第四章 FTI算法的改进及实验结果 | 第53-68页 |
| ·背景 | 第53-54页 |
| ·FTI算法的介绍及改进 | 第54-55页 |
| ·FTI算法的介绍 | 第54-55页 |
| ·FTI算法的改进 | 第55页 |
| ·FTI算法的效率 | 第55-56页 |
| ·实验及结果分析 | 第56-68页 |
| 第五章 结论及展望 | 第68-69页 |
| ·结论 | 第68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 摘要 | 第71-74页 |
| Abstract | 第74-79页 |
| 致谢 | 第79-80页 |
| 导师及作者简介 | 第80页 |
