| 中文摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·研究背景和研究意义 | 第10-11页 |
| ·贝叶斯网络的研究现状 | 第11-16页 |
| ·贝叶斯网络参数学习算法研究现状 | 第12页 |
| ·贝叶斯网络结构学习算法研究现状 | 第12-15页 |
| ·贝叶斯网络的应用 | 第15-16页 |
| ·目前存在的主要问题 | 第16-17页 |
| ·本文研究内容 | 第17页 |
| ·本文组织结构 | 第17-19页 |
| 第二章 贝叶斯网络学习概述 | 第19-31页 |
| ·贝叶斯网络基础理论 | 第19-22页 |
| ·概率论基础 | 第19-20页 |
| ·条件独立与 d-分隔 | 第20-21页 |
| ·评价标准和检验方法 | 第21-22页 |
| ·贝叶斯网络简介 | 第22-24页 |
| ·基本概念 | 第22页 |
| ·一个贝叶斯网络实例 | 第22-24页 |
| ·贝叶斯网络参数学习 | 第24-26页 |
| ·完整数据集的参数学习 | 第24-25页 |
| ·不完整数据集的参数学习 | 第25-26页 |
| ·贝叶斯网络结构学习 | 第26-30页 |
| ·完整数据集的结构学习 | 第26-29页 |
| ·不完整数据集的结构学习 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于预排序的改进 MRMR 贝叶斯网络结构学习算法 | 第31-41页 |
| ·最大相关和最小冗余特征选择技术 | 第31-32页 |
| ·局部贝叶斯增量评分函数 | 第32-33页 |
| ·节点次序空间 | 第33-34页 |
| ·节点预排序算法 | 第34-35页 |
| ·改进的 OMGMG 算法描述 | 第35-36页 |
| ·实验结果与分析 | 第36-40页 |
| ·实验数据介绍 | 第36页 |
| ·算法参数分析 | 第36-38页 |
| ·实验结果的比较与分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 具有缺失数据的 MRMR 贝叶斯网络结构学习算法 | 第41-55页 |
| ·数据缺失的机制 | 第41-42页 |
| ·缺失数据的处理方法 | 第42-43页 |
| ·吉布斯抽样 | 第43-44页 |
| ·迭代修正数据和结构 | 第44-48页 |
| ·数据的修正 | 第45-47页 |
| ·结构的调整 | 第47-48页 |
| ·改进的 BN-GS 算法描述 | 第48-49页 |
| ·实验结果与分析 | 第49-53页 |
| ·算法参数分析 | 第50-52页 |
| ·实验结果的比较与分析 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第五章 总结和展望 | 第55-57页 |
| ·论文工作总结 | 第55-56页 |
| ·未来工作展望 | 第56-57页 |
| 参考文献 | 第57-64页 |
| 攻读学位期间公开发表的论文 | 第64-65页 |
| 致谢 | 第65-66页 |