贝叶斯网建模技术及其在决策中的应用

摘要	第1-9页
ABSTRACT	第9-18页
第一章 绪论	第18-28页
·贝叶斯网的诞生与发展	第18-21页
·不确定问题及处理方法	第18-20页
·概率理论的局限性	第20页
·贝叶斯网的结构及其特点	第20-21页
·贝叶斯网的研究现状及存在问题	第21-24页
·贝叶斯网在管理决策中的应用	第24-25页
·贝叶斯网在决策中的应用	第24页
·基于贝叶斯网智能决策支持系统	第24-25页
·论文主要研究内容及结构安排	第25-28页
·研究内容	第25-26页
·结构安排	第26-28页
第二章 贝叶斯网结构及推理方法	第28-44页
·贝叶斯方法	第28-29页
·贝叶斯网的定义与结构	第29-32页
·贝叶斯网的精确推理	第32-39页
·变量消去法	第33-34页
·超树的推理方法	第34-36页
·割集的推理方法	第36页
·连接树的推理方法	第36-39页
·贝叶斯网的近似推理	第39页
·基于仿真的方法	第39页
·基于搜索的方法	第39页
·贝叶斯网的扩展模型	第39-43页
·动态贝叶斯网	第40-41页
·面向对象的贝叶斯网	第41页
·定性贝叶斯网	第41-42页
·决策网	第42-43页
·本章小结	第43-44页
第三章 知识和数据融合的贝叶斯网结构建模	第44-55页
·贝叶斯网结构的学习	第44-47页
·基于评分函数的方法	第44-47页
·基于约束的方法	第47页
·节点概率分布的学习	第47-49页
·知识和数据融合的结构建模方法	第49-54页
·知识和数据的融合方法	第49-53页
·实证研究	第53-54页
·本章小结	第54-55页
第四章 基于案例和规则推理的贝叶斯网建模	第55-72页
·基于知识的建模方法	第55-59页
·建模过程	第55-57页
·知识表示方法	第57-58页
·贝叶斯网生成算法	第58-59页
·基于案例和规则推理的建模过程	第59-71页
·基于案例推理	第59-60页
·建模流程	第60-61页
·案例表示	第61-62页
·案例检索	第62-64页
·案例修正	第64-71页
·本章小结	第71-72页
第五章 面向复杂问题的贝叶斯网建模过程	第72-81页
·贝叶斯网建模原则	第72-73页
·贝叶斯网建模流程	第73页
·建模流程分析	第73-79页
·问题分析阶段	第73-76页
·模型设计阶段	第76-78页
·模型测试阶段	第78-79页
·建模中的简化方法	第79-80页
·本章小结	第80-81页
第六章 带权重的定性贝叶斯网	第81-89页
·定性贝叶斯网	第81-84页
·概念描述	第81-82页
·网络推理	第82-84页
·带权重的定性贝叶斯网	第84-88页
·影响关系的定义	第84-85页
·权重的获取	第85-86页
·修正的运算规则	第86-87页
·进一步扩展	第87-88页
·本章小结	第88-89页
第七章 贝叶斯网在供应链管理决策中的应用	第89-99页
·供应链管理中的不确定问题	第89-91页
·需求预测	第90页
·供应链诊断	第90页
·风险防范	第90-91页
·应用贝叶斯网的决策过程	第91-92页
·需求预测问题的模型	第92-95页
·问题描述	第92页
·建模过程	第92-94页
·仿真运算	第94-95页
·面向供应链管理的IDSS框架	第95-98页
·本章小结	第98-99页
第八章 总结与展望	第99-101页
·总结	第99-100页
·展望	第100-101页
参考文献	第101-109页
攻读学位期间的主要研究成果和发表的论文	第109-110页