| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 本文的主要工作与组织结构 | 第11-13页 |
| 第二章 贝叶斯网络基本概念 | 第13-22页 |
| 2.1 贝叶斯网络的理论基础与定义 | 第13-15页 |
| 2.1.1 概率论基础 | 第13-14页 |
| 2.1.2 图论基础 | 第14-15页 |
| 2.1.3 贝叶斯网络的数学定义 | 第15页 |
| 2.2 贝叶斯网结构学习与现存问题 | 第15-20页 |
| 2.2.1 贝叶斯网络的评分函数 | 第16-17页 |
| 2.2.2 贝叶斯网络的K2算法 | 第17-18页 |
| 2.2.3 贝叶斯网络的爬山法 | 第18-19页 |
| 2.2.4 现阶段结构学习的主要问题 | 第19-20页 |
| 2.3 贝叶斯网络的参数学习 | 第20-21页 |
| 2.4 贝叶斯网络推理及评价标准 | 第21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于因果判别的改进贝叶斯网络结构学习算法 | 第22-31页 |
| 3.1 信息论基础概述 | 第22-23页 |
| 3.2 信息几何因果判别方法 | 第23-26页 |
| 3.3 信息几何因果判别的参数估计 | 第26-27页 |
| 3.4 基于信息几何因果判别的贝叶斯网络结构学习的改进算法 | 第27-30页 |
| 3.5 本章小节 | 第30-31页 |
| 第四章 基于模糊因果网的约简与组合方法研究 | 第31-44页 |
| 4.1 模糊理论概述 | 第31-34页 |
| 4.1.1 截集 | 第32页 |
| 4.1.2 模糊概率定义及性质 | 第32-34页 |
| 4.2 基于因果关系判别的贝叶斯网络约简 | 第34-36页 |
| 4.2.1 基于因果关系的距离度量 | 第34-35页 |
| 4.2.2 因果网络的约简聚类算法 | 第35-36页 |
| 4.3 基于模糊因果网的结构与参数学习算法 | 第36-41页 |
| 4.3.1 模糊因果网的cpt表形式 | 第37-39页 |
| 4.3.2 模糊因果网的参数学习 | 第39-40页 |
| 4.3.3 模糊因果网的结构学习 | 第40-41页 |
| 4.4 混合因果网的组合构建与知识推理 | 第41-43页 |
| 4.4.1 混合因果网的组合构建 | 第41-42页 |
| 4.4.2 混合因果网的知识推理 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 高校资产管理的模糊因果网的建立与知识推理 | 第44-61页 |
| 5.1 高校资产管理概述 | 第44-45页 |
| 5.2 资产管理评价指标的数据预处理与模糊化 | 第45-47页 |
| 5.3 资产管理网络节点变量的因果聚类约简 | 第47-51页 |
| 5.4 资产管理中模糊因果网的多子网构建 | 第51-54页 |
| 5.5 资产管理中模胡因果网的组合推理 | 第54-60页 |
| 5.6 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附件 | 第66页 |