| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.1.1 课题研究背景 | 第9-10页 |
| 1.1.2 课题研究意义 | 第10页 |
| 1.2 课题国内外研究现状 | 第10-12页 |
| 1.2.1 课题国外研究现状 | 第10-11页 |
| 1.2.2 课题国内研究现状 | 第11-12页 |
| 1.3 课题研究内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 第二章 相关理论基础 | 第15-22页 |
| 2.1 贝叶斯网络概述 | 第15-16页 |
| 2.2 贝叶斯网络结构学习算法概述 | 第16-20页 |
| 2.2.1 贝叶斯网络结构学习的原理 | 第16页 |
| 2.2.2 完整数据集下贝叶斯网络结构学习方法 | 第16-19页 |
| 2.2.3 缺值数据集下贝叶斯网络结构学习方法 | 第19-20页 |
| 2.3 贝叶斯网络分类算法概述 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章C-MCMC贝叶斯网络结构学习算法 | 第22-34页 |
| 3.1 MCMC贝叶斯网络结构学习算法 | 第22-25页 |
| 3.1.1 提出建议 | 第23-24页 |
| 3.1.2 BDeu得分函数 | 第24页 |
| 3.1.3 尝试建议 | 第24-25页 |
| 3.2 C-MCMC贝叶斯网络结构学习算法 | 第25-28页 |
| 3.2.1 先验知识 | 第25-26页 |
| 3.2.2 先验知识的运用 | 第26-27页 |
| 3.2.3 先验知识的影响 | 第27-28页 |
| 3.3 C-MCMC贝叶斯网络结构学习算法仿真分析 | 第28-32页 |
| 3.3.1 实验方法 | 第28-29页 |
| 3.3.2 ADI的评估 | 第29-30页 |
| 3.3.3 KL距离的评估 | 第30-31页 |
| 3.3.4 BDeu函数的评估 | 第31页 |
| 3.3.5 不同信任参数值下先验知识的效果评估 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第四章C-MCMC贝叶斯网络分类器及并行实现 | 第34-54页 |
| 4.1 C-MCMC贝叶斯网络分类器 | 第34-39页 |
| 4.1.1 NB分类器 | 第34-35页 |
| 4.1.2 TAN分类器 | 第35-36页 |
| 4.1.3 C-MCMC BAN分类器 | 第36-37页 |
| 4.1.4 C-MCMC GBN分类器 | 第37-38页 |
| 4.1.5 参数学习 | 第38-39页 |
| 4.2 Hadoop平台关键技术 | 第39-43页 |
| 4.2.1 HDFS体系架构 | 第39-41页 |
| 4.2.2 MapReduce体系结构 | 第41-43页 |
| 4.3 C-MCMC贝叶斯网络分类器的并行实现 | 第43-48页 |
| 4.4 实验仿真分析 | 第48-53页 |
| 4.4.1 实验方法 | 第48-49页 |
| 4.4.2 实验平台搭建 | 第49-52页 |
| 4.4.3 实验结果分析 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 未来展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 攻读学位期间发表的学术论文目录 | 第62页 |