贝叶斯网络在农民土地利用决策中的应用
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 1 绪论 | 第8-15页 |
| 1.1 农民土地利用决策的简介 | 第8-9页 |
| 1.1.1 农民土地利用决策的研究意义 | 第8页 |
| 1.1.2 农民土地利用决策的研究现状 | 第8-9页 |
| 1.2 贝叶斯网络 | 第9-13页 |
| 1.2.1 贝叶斯网络的简介 | 第9-12页 |
| 1.2.2 贝叶斯网络的研究现状 | 第12-13页 |
| 1.3 贝叶斯网络在农民土地利用决策中的应用 | 第13页 |
| 1.4 本文的安排 | 第13-15页 |
| 2 方法介绍 | 第15-30页 |
| 2.1 数据预处理 | 第15-18页 |
| 2.1.1 数据的完善 | 第15页 |
| 2.1.2 数据离散化 | 第15-18页 |
| 2.2 贝叶斯网络结构学习算法 | 第18-22页 |
| 2.2.1 最大加权生成树算法 | 第19页 |
| 2.2.2 启发式搜索算法 | 第19-20页 |
| 2.2.3 因果搜索算法 | 第20页 |
| 2.2.4 朴素贝叶斯及其改进算法 | 第20-21页 |
| 2.2.5 K2算法 | 第21-22页 |
| 2.2.6 MWST+T+K2算法 | 第22页 |
| 2.3 贝叶斯网络评价 | 第22-24页 |
| 2.3.1 基于贝叶斯统计的评分函数 | 第22-23页 |
| 2.3.2 基于信息理论的评分函数 | 第23-24页 |
| 2.4 分类检验方法 | 第24-27页 |
| 2.4.1 Hold Out检验 | 第27页 |
| 2.4.2 K折交叉验证 | 第27页 |
| 2.5 贝叶斯网络推理算法 | 第27-29页 |
| 2.6 小结 | 第29-30页 |
| 3 农民土地利用决策的贝叶斯网络 | 第30-42页 |
| 3.1 数据分析 | 第30-32页 |
| 3.1.1 数据来源 | 第30页 |
| 3.1.2 数据预处理结果 | 第30-32页 |
| 3.2 构建农民土地利用决策的贝叶斯网络 | 第32-35页 |
| 3.2.1 各结构学习算法的运行结果 | 第32-33页 |
| 3.2.2 网络评价与选取 | 第33-34页 |
| 3.2.3 MWST+T+K2网络结构的分析 | 第34-35页 |
| 3.3 MWST+T+K2网络的分类检验 | 第35-37页 |
| 3.4 MWST+T+K2网络推理 | 第37-41页 |
| 3.4.1 单个节点推理 | 第37-38页 |
| 3.4.2 联合推理 | 第38-41页 |
| 3.5 小结 | 第41-42页 |
| 4 基于HC&K2算法的贝叶斯网络 | 第42-47页 |
| 4.1 HC&K2结构学习算法 | 第42-43页 |
| 4.1.1 融入回溯原理的爬山算法 | 第42-43页 |
| 4.1.2 HC&K2算法的实现 | 第43页 |
| 4.2 基于HC&K2算法的农民土地利用决策网络 | 第43-46页 |
| 4.2.1 HC&K2网络的分类检验 | 第43-45页 |
| 4.2.2 HC&K2网络的联合推理 | 第45-46页 |
| 4.3 小结 | 第46-47页 |
| 5 总结与展望 | 第47-49页 |
| 5.1 本文总结 | 第47页 |
| 5.2 网络的优缺点 | 第47-48页 |
| 5.3 展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录 | 第54页 |
