基于动态模糊逻辑的贝叶斯参数学习算法研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题背景 | 第9页 |
| ·研究现状 | 第9-12页 |
| ·贝叶斯网络研究现状 | 第9-11页 |
| ·动态模糊逻辑的研究现状 | 第11-12页 |
| ·问题提出及内容安排 | 第12-13页 |
| 第二章 基于动态模糊集的贝叶斯网 | 第13-25页 |
| ·动态模糊集(DFS) | 第13-14页 |
| ·动态模糊集的定义 | 第13-14页 |
| ·动态模糊集的表示方法 | 第14页 |
| ·动态模糊知识的表示方法 | 第14-16页 |
| ·贝叶斯信念网的理论框架 | 第16-18页 |
| ·贝叶斯网络的表示 | 第16-17页 |
| ·贝叶斯网中的独立关系 | 第17-18页 |
| ·基于动态模糊集的贝叶斯信念网知识表示 | 第18-21页 |
| ·实例分析 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于 DFL 规则的参数推理 | 第25-36页 |
| ·动态模糊逻辑（DFL）的推理模型 | 第25-32页 |
| ·动态模糊逻辑（DFL）的一般推理模型 | 第25-28页 |
| ·DF 规则的激活和相似度计算 | 第28-30页 |
| ·动态模糊逻辑（DFL）的推理模型扩展 | 第30-32页 |
| ·基于动态模糊逻辑的贝叶斯推理系统结构 | 第32-33页 |
| ·实例分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于 DFL 的贝叶斯参数学习算法 | 第36-48页 |
| ·基于 EM 的参数学习 | 第36-37页 |
| ·基于 DFL 的贝叶斯参数学习算法 | 第37-43页 |
| ·基本概念及定理 | 第38-40页 |
| ·算法描述 | 第40-43页 |
| ·实例分析 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 实例应用 | 第48-57页 |
| ·引言 | 第48页 |
| ·系统的总体设计 | 第48-51页 |
| ·系统的功能描述 | 第48-49页 |
| ·系统总体框架 | 第49-50页 |
| ·系统流程分析 | 第50-51页 |
| ·学生能力预测的理论基础 | 第51-54页 |
| ·能力预测中动态模糊问题的表示 | 第51-52页 |
| ·基于动态模糊逻辑的能力预测描述 | 第52-54页 |
| ·实验结果分析 | 第54-55页 |
| ·系统数据库设计 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读学位期间公开发表的论文 | 第63-64页 |
| 中英文名词对照表 | 第64-67页 |
| 致谢 | 第67-68页 |
