基于蚁群优化的贝叶斯网结构学习算法
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·贝叶斯网的研究背景和研究意义 | 第8-10页 |
| ·国内外研究现状 | 第10页 |
| ·本文主要研究内容及安排 | 第10-12页 |
| 第二章 贝叶斯网概述 | 第12-18页 |
| ·贝叶斯网络 | 第12-14页 |
| ·条件独立性和互信息理论 | 第14-15页 |
| ·结构学习 | 第15-18页 |
| ·基于评分搜索的方法 | 第15-16页 |
| ·基于独立性测试的方法 | 第16-18页 |
| 第三章 构建贝叶斯网本质图的组合算法 | 第18-26页 |
| ·算法思想 | 第18页 |
| ·算法描述 | 第18-20页 |
| ·算法理论分析 | 第20-22页 |
| ·复杂度分析 | 第22页 |
| ·数值实验 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 基于互信息的结构学习算法 | 第26-32页 |
| ·I-GREEDY-E算法 | 第26-28页 |
| ·复杂度分析 | 第28-29页 |
| ·数值实验 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第五章 基于蚁群优化的结构学习算法 | 第32-48页 |
| ·蚁群优化 | 第32-33页 |
| ·构建贝叶斯网结构的常用ACO算法 | 第33-39页 |
| ·ACO-K25N | 第33-34页 |
| ·ACO-B | 第34-36页 |
| ·ACO-E | 第36-39页 |
| ·I-ACO-E算法 | 第39-43页 |
| ·算法起源 | 第39-40页 |
| ·基于互信息压缩搜索空间 | 第40页 |
| ·I-ACO-E算法描述 | 第40-43页 |
| ·复杂度分析 | 第43页 |
| ·数值实验 | 第43-47页 |
| ·两种算法总体结果的比较 | 第44-46页 |
| ·两种算法的收敛和时间性能比较 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 结束语 | 第48-50页 |
| 致谢 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士期间的主要研究成果 | 第56-57页 |
