| 摘要 | 第1-4页 |
| Abstract | 第4-12页 |
| 第一章 引言 | 第12-16页 |
| ·研究背景 | 第12页 |
| ·研究内容 | 第12-13页 |
| ·研究意义 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 数据缺失下学习贝叶斯网概述 | 第16-28页 |
| ·学习贝叶斯网概述 | 第16-17页 |
| ·目前主要算法概述 | 第17-23页 |
| ·SEM 算法 | 第20-22页 |
| ·BN-GS 算法 | 第22-23页 |
| ·现有算法总结及存在问题 | 第23-24页 |
| ·实验数据来源及评价方案 | 第24-26页 |
| ·实验数据来源 | 第24-25页 |
| ·评价方案 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 SEM-PACOB 算法与 SGS-PACOB 算法 | 第28-36页 |
| ·ACOB 算法 | 第28页 |
| ·PACOB 算法 | 第28-31页 |
| ·PACOB 算法思想 | 第28-29页 |
| ·打分值缓冲机制 | 第29-31页 |
| ·PACOB 算法描述 | 第31页 |
| ·SEM-PACOB 和SGS-PACOB 算法设计 | 第31-32页 |
| ·SEM-PACOB 算法描述 | 第31-32页 |
| ·SGS-PACOB 算法设计 | 第32页 |
| ·实验结果及其分析 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 DSEM-PACOB 算法 | 第36-44页 |
| ·SEM 算法的估计策略及其分析 | 第36-37页 |
| ·DSEM-PACOB 算法的估计策略 | 第37-38页 |
| ·DSEM-PACOB 算法小结 | 第38-39页 |
| ·实验结果与分析 | 第39-43页 |
| ·DSEM-PACOB 算法与其它算法的比较 | 第39-41页 |
| ·Dpanum取值探究 | 第41-43页 |
| ·实验小结 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第五章 初始网络的选择 | 第44-50页 |
| ·测试方案 | 第44-45页 |
| ·实验数据及有关分析 | 第45-47页 |
| ·实验结论 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第六章 混合启发策略 | 第50-58页 |
| ·单种数据补全策略的不足 | 第50-51页 |
| ·混合启发思想的来源 | 第51-52页 |
| ·混合启发算法的设计 | 第52-53页 |
| ·启发因子的组合 | 第52页 |
| ·以拥有相对稳定统计量的算法为主 | 第52-53页 |
| ·DSEM-GS-PACOB 算法 | 第53页 |
| ·实验结果及分析 | 第53-56页 |
| ·数据拟合度评价 | 第53-54页 |
| ·网络结构评价 | 第54-56页 |
| ·实验小结 | 第56页 |
| ·本章小结 | 第56-58页 |
| 第七章 总结与展望 | 第58-60页 |
| ·已完成工作总结 | 第58-59页 |
| ·今后的研究展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 发表文章目录 | 第64-65页 |
| 致谢 | 第65-66页 |
| 代码说明及代码片段 | 第66-76页 |
| 详细摘要 | 第76-78页 |