贝叶斯网络及其在范例推理中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-17页 |
| ·背景和意义 | 第8-10页 |
| ·贝叶斯网络的发展历史及研究现状 | 第10-15页 |
| ·范例推理研究的历史及现状 | 第15页 |
| ·本文的主要内容及安排 | 第15-17页 |
| 第二章 用于数据挖掘的贝叶斯网络 | 第17-32页 |
| ·引言 | 第17页 |
| ·贝叶斯网络的定义 | 第17-20页 |
| ·贝叶斯概率 | 第20-21页 |
| ·贝叶斯网络参数的学习 | 第21-29页 |
| ·数据完整时的参数学习 | 第22-25页 |
| ·不完整数据时的参数学习 | 第25-29页 |
| ·学习贝叶斯网络的结构 | 第29-31页 |
| ·小结 | 第31-32页 |
| 第三章 贝叶斯网络分类器 | 第32-45页 |
| ·分类器简介 | 第32-33页 |
| ·最简单的分类器--Na(?)ve Bayes | 第33-35页 |
| ·通用贝叶斯网分类器 | 第35-39页 |
| ·增强的Na(?)ve Bayes | 第39-44页 |
| ·小结 | 第44-45页 |
| 第四章 范例推理的基本原理 | 第45-59页 |
| ·范例推理的特点及整体结构 | 第45-48页 |
| ·范例推理的特点 | 第45-47页 |
| ·范例推理的整体结构 | 第47-48页 |
| ·范例的表示 | 第48-52页 |
| ·范例的索引及检索 | 第52-54页 |
| ·范例的复用及修正 | 第54-56页 |
| ·范例的学习和归纳 | 第56页 |
| ·范例库的维护 | 第56-58页 |
| ·小结 | 第58-59页 |
| 第五章 基于贝叶斯方法的范例推理 | 第59-74页 |
| ·基于贝叶斯方法的范例检索 | 第59-64页 |
| ·基于简单贝叶斯的范例库维护 | 第64-73页 |
| ·小结 | 第73-74页 |
| 第六章 结束语 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 在攻读硕士学位期间的科研及获奖情况 | 第81-82页 |
| 致谢 | 第82页 |
