摘要 | 第1-11页 |
ABSTRACT | 第11-13页 |
第一章 绪论 | 第13-27页 |
·研究的背景和意义 | 第13-14页 |
·贝叶斯网络的扩展研究综述 | 第14-23页 |
·贝叶斯网络模型的扩展 | 第14-21页 |
·贝叶斯网络研究方法的扩展 | 第21-23页 |
·主要研究内容和创新点 | 第23-27页 |
·论文的主要研究内容和结构 | 第23-26页 |
·论文的创新点 | 第26-27页 |
第二章 判别贝叶斯网络的学习算法及对比研究 | 第27-43页 |
·引言 | 第27页 |
·贝叶斯网络相关的基本概念 | 第27-30页 |
·贝叶斯网络的基本概念 | 第27-28页 |
·贝叶斯网络分类器 | 第28-30页 |
·生成贝叶斯网络与判别贝叶斯网络的学习算法 | 第30-36页 |
·生成贝叶斯网络的学习 | 第30-33页 |
·判别贝叶斯网络的学习 | 第33-35页 |
·生成-判别混合学习 | 第35-36页 |
·生成贝叶斯网络与判别贝叶斯网络的实验对比 | 第36-41页 |
·训练数据集和测试数据集的似然 | 第37-38页 |
·训练样本集的大小对分类精度的影响 | 第38-40页 |
·分类精度的对比 | 第40-41页 |
·判别贝叶斯网络学习中存在的问题 | 第41-42页 |
·本章小结 | 第42-43页 |
第三章 分类代价不平衡数据的判别贝叶斯网络学习 | 第43-63页 |
·引言 | 第43-44页 |
·贝叶斯网络的代价敏感参数学习 | 第44-54页 |
·贝叶斯网络的损失函数 | 第44-45页 |
·代价敏感损失函数 | 第45-48页 |
·贝叶斯网络的代价敏感参数学习 | 第48-49页 |
·实验结果 | 第49-54页 |
·贝叶斯网络的代价敏感结构学习 | 第54-62页 |
·分类误差准则和分类代价准则 | 第54-55页 |
·代价敏感准则 | 第55-56页 |
·基于代价敏感准则的贝叶斯网络结构学习方法 | 第56-58页 |
·实验结果 | 第58-62页 |
·本章小结 | 第62-63页 |
第四章 属性缺值数据的判别贝叶斯网络学习 | 第63-79页 |
·引言 | 第63页 |
·贝叶斯网络的EM学习算法 | 第63-65页 |
·判别贝叶斯网络的CEM算法 | 第65-77页 |
·CEM算法简介 | 第65-66页 |
·贝叶斯网络的CEM学习算法的理论分析 | 第66-68页 |
·收敛的CEM算法与判别预测目标的偏离 | 第68-69页 |
·贝叶斯网络的近似CEM算法 | 第69-70页 |
·CEM算法在含有无标签样本的数据集中失效 | 第70-71页 |
·实验结果 | 第71-77页 |
·本章小结 | 第77-79页 |
第五章 类别缺值数据的判别贝叶斯网络学习 | 第79-97页 |
·引言 | 第79页 |
·生成-判别混合的半监督学习 | 第79-87页 |
·样本数据完整时的生成-判别混合学习 | 第80-81页 |
·样本数据存在类别缺值的生成-判别混合的半监督学习 | 第81-83页 |
·实验结果 | 第83-87页 |
·基于代价敏感样本选择策略的主动学习 | 第87-96页 |
·主动学习的相关理论 | 第87-89页 |
·分类代价减小的样本选择策略 | 第89-90页 |
·代价敏感样本选择策略 | 第90-91页 |
·基于代价敏感策略的主动学习 | 第91-92页 |
·贝叶斯网络的更新 | 第92-93页 |
·实验结果 | 第93-96页 |
·本章小结 | 第96-97页 |
第六章 基于判别贝叶斯网络的烟叶质量评价 | 第97-111页 |
·引言 | 第97页 |
·烟叶的质量及其评价 | 第97-102页 |
·烟叶质量体系 | 第97-101页 |
·现有的评价方法 | 第101-102页 |
·基于判别贝叶斯网络的烟叶感官质量评价 | 第102-110页 |
·烟叶感官质量的人工评价 | 第102-103页 |
·烟叶感官质量的判别贝叶斯网络评价方法 | 第103-105页 |
·实例 | 第105-110页 |
·本章小结 | 第110-111页 |
第七章 结论与展望 | 第111-114页 |
·本文总结 | 第111-112页 |
·进一步研究的展望 | 第112-114页 |
致谢 | 第114-115页 |
参考文献 | 第115-123页 |
作者在学期间取得的学术成果 | 第123-124页 |
附录A 烤烟化学成分与评吸结果 | 第124-128页 |