混合贝叶斯网的约简组合改进与高校投入产出预测研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 贝叶斯网络的研究现状 | 第12-13页 |
| 1.3 本文的内容和组织 | 第13-15页 |
| 第二章 贝叶斯网络基本理论 | 第15-26页 |
| 2.1 贝叶斯网络定义 | 第15-16页 |
| 2.2 贝叶斯网络理论基础 | 第16-20页 |
| 2.2.1 概率论基础 | 第16-18页 |
| 2.2.2 图论基础 | 第18-19页 |
| 2.2.3 信息论基础 | 第19-20页 |
| 2.3 贝叶斯网络结构学习 | 第20-24页 |
| 2.4 贝叶斯网络参数学习 | 第24页 |
| 2.5 贝叶斯网络推理 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 混合贝叶斯网约简组合算法 | 第26-44页 |
| 3.1 混合贝叶斯网络理论基础 | 第26-33页 |
| 3.1.1 模糊理论基础 | 第26-28页 |
| 3.1.2 模糊概率理论 | 第28-32页 |
| 3.1.3 模糊信息论理论 | 第32-33页 |
| 3.2 混合网络CPT表 | 第33-36页 |
| 3.3 混合贝叶斯网络参数学习 | 第36-39页 |
| 3.4 混合贝叶斯网络结构学习 | 第39-41页 |
| 3.5 混合贝叶斯网络结构推理 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 高校投入产出贝叶斯网络建立 | 第44-74页 |
| 4.1 高校投入产出预测研究数据 | 第44-49页 |
| 4.2 数据预处理 | 第49-52页 |
| 4.3 改进的贝叶斯网约简组合算法 | 第52-68页 |
| 4.3.1 问题提出 | 第52-53页 |
| 4.3.2 基于因果关系定义相似度的聚类 | 第53-55页 |
| 4.3.3 结合遗传算法的贝叶斯子网组合方法 | 第55-59页 |
| 4.3.4 改进的贝叶斯网约简组合算法分析 | 第59-68页 |
| 4.4 高校投入产出贝叶斯网络的构建 | 第68-73页 |
| 4.4.1 高校投入产出变量聚类 | 第68-70页 |
| 4.4.2 高校投入产出贝叶斯子网建立 | 第70-71页 |
| 4.4.3 高校投入产出贝叶斯子网组合 | 第71-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 高校投入产出混合贝叶斯网络建立 | 第74-87页 |
| 5.1 改进的混合贝叶斯网约简组合算法 | 第74-75页 |
| 5.2 高校投入产出数据模糊化处理 | 第75-78页 |
| 5.3 高校投入产出混合贝叶斯网络的构建 | 第78-82页 |
| 5.3.1 高校投入产出混合贝叶斯子网建立 | 第78-80页 |
| 5.3.2 高校投入产出混合贝叶斯子网组合 | 第80-82页 |
| 5.4 高校投入产出混合贝叶斯网络应用与分析 | 第82-86页 |
| 5.5 本章小结 | 第86-87页 |
| 结论 | 第87-88页 |
| 参考文献 | 第88-90页 |
| 攻读硕士学位期间取得的研究成果 | 第90-91页 |
| 致谢 | 第91-92页 |
| 附件 | 第92页 |
