首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

判别贝叶斯网络的学习算法及其应用研究

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

论文共128页,点击 下载论文
上一篇:光栅型曲率传感器的设计与应用研究
下一篇:基于特征的多源遥感图像配准技术研究