贝叶斯网络在数字化森林生态站中的应用研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 引言 | 第7-10页 |
| 1.1 数字化森林生态站建立的背景 | 第7页 |
| 1.2 我国森林生态站存在的问题 | 第7-8页 |
| 1.3 论文研究的目的和意义 | 第8页 |
| 1.4 论文研究的主要内容 | 第8-10页 |
| 2 贝叶斯网络理论 | 第10-24页 |
| 2.1 不确定性知识 | 第10页 |
| 2.2 不确定性知识发现 | 第10-13页 |
| 2.3 概率论基础 | 第13-14页 |
| 2.4 贝叶斯网络综述 | 第14-17页 |
| 2.4.1 贝叶斯网络的优势 | 第15页 |
| 2.4.2 贝叶斯网络的研究现状 | 第15-17页 |
| 2.5 贝叶斯网络学习和信度推理 | 第17-24页 |
| 2.5.1 贝叶斯网络学习 | 第17-18页 |
| 2.5.2 贝叶斯网络中的信度 | 第18-19页 |
| 2.5.3 贝叶斯网络推理方式 | 第19-22页 |
| 2.5.4 贝叶斯网络推理算法 | 第22-24页 |
| 3 贝叶斯网络预测诊断系统的设计与实现 | 第24-42页 |
| 3.1 开发平台的选择 | 第24页 |
| 3.2 贝叶斯网络预测诊断系统的设计 | 第24-26页 |
| 3.3 贝叶斯网络预测诊断系统的实现 | 第26-40页 |
| 3.3.1 网络结构模块的实现 | 第27-31页 |
| 3.3.1.1 网络结构模块设计思想 | 第27-28页 |
| 3.3.1.2 网络的数字化 | 第28-29页 |
| 3.3.1.3 节点的属性信息 | 第29-30页 |
| 3.3.1.4 节点的关系信息 | 第30页 |
| 3.3.1.5 网络结构的保存 | 第30-31页 |
| 3.3.1.6 网络结构的重新加载 | 第31页 |
| 3.3.2 数据训练模块的实现 | 第31-39页 |
| 3.3.2.1 数据训练模块设计思想 | 第31-32页 |
| 3.3.2.2 数据源连接 | 第32-35页 |
| 3.3.2.3 设定节点与字段的关联 | 第35-36页 |
| 3.3.2.4 数据训练 | 第36-39页 |
| 3.3.3 预测诊断模块的实现 | 第39-40页 |
| 3.3.3.1 预测诊断模块设计思想 | 第39-40页 |
| 3.3.3.2 预测诊断 | 第40页 |
| 3.4 与其他贝叶斯网络工具的比较 | 第40-42页 |
| 4 基于贝叶斯网络的造林树种预测 | 第42-50页 |
| 4.1 基于贝叶斯网络的造林树种模型的构建 | 第42-46页 |
| 4.1.1 分析评价指标 | 第42-43页 |
| 4.1.2 训练样本数据 | 第43-44页 |
| 4.1.3 数值离散化 | 第44页 |
| 4.1.4 网络拓扑结构 | 第44-45页 |
| 4.1.5 参数分布 | 第45-46页 |
| 4.2 预测结果评价 | 第46-50页 |
| 5 结论与展望 | 第50-52页 |
| 5.1 结论 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 个人简介 | 第55-56页 |
| 导师简介 | 第56-57页 |
| 获得成果目录清单 | 第57-58页 |
| 致谢 | 第58页 |
