| 摘要 | 第1-3页 |
| Abstract | 第3-5页 |
| 目录 | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| 第二章 无向图模型结构学习及其在中医学中的应用 | 第15-23页 |
| ·无向图模型的基本概念 | 第15-17页 |
| ·相互信息量及其性质 | 第17-18页 |
| ·无向图结构学习的启发式算法 | 第18-20页 |
| ·在中医诊断中的应用 | 第20-23页 |
| 第三章 序贯填补EM算法及其在大尺度反卷积中的应用 | 第23-45页 |
| ·Delay Tomography中的大尺度反卷积问题 | 第23-28页 |
| ·背景介绍 | 第23-25页 |
| ·数学描述 | 第25-28页 |
| ·文献中的相关工作 | 第28-30页 |
| ·序贯填补EM算法 | 第30-37页 |
| ·完全观测似然函数和部分观测似然函数 | 第30-33页 |
| ·自上而下的序贯填补 | 第33-36页 |
| ·用动态规划来完成计算 | 第36-37页 |
| ·算法流程和复杂度分析 | 第37页 |
| ·独立模型M_0下的Loss Tomography | 第37-45页 |
| ·"丢失观测"、"扩展丢失观测"和"丢失模式" | 第38-40页 |
| ·依据丢失模式来合并不同丢失观测从而实现算法加速 | 第40-45页 |
| 第四章 广义词典模型及其应用 | 第45-71页 |
| ·中医方剂分析中的统计问题 | 第45-46页 |
| ·词典模型及其可识别性 | 第46-47页 |
| ·模型参数的估计 | 第47-48页 |
| ·模型结构的更新 | 第48-50页 |
| ·EM算法中的计算问题 | 第50-51页 |
| ·运用词典模型来分析"观测"的结构 | 第51页 |
| ·计算机模拟和与已有算法的比较 | 第51-55页 |
| ·应用实例 | 第55-66页 |
| ·文本数据挖掘 | 第55-59页 |
| ·中医数据分析 | 第59-63页 |
| ·在生物信息学中的潜在应用 | 第63-66页 |
| ·讨论 | 第66-71页 |
| ·似然函数中的微妙含义 | 第67-68页 |
| ·词典结构更新中的有用技巧 | 第68-69页 |
| ·对长观测的处理 | 第69-71页 |
| 第五章 结论 | 第71-73页 |
| 第六章 附录 | 第73-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81页 |
