| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·贝叶斯网络的研究意义 | 第10-12页 |
| ·贝叶斯网络的起源、发展和研究现状 | 第12-13页 |
| ·本文的主要工作 | 第13-14页 |
| ·本文的组织结构 | 第14-15页 |
| 第二章 贝叶斯网络的基本理论 | 第15-27页 |
| ·基本概念 | 第15-16页 |
| ·贝叶斯网络的知识表示 | 第16-17页 |
| ·贝叶斯网络的结构学习方法 | 第17-26页 |
| ·基于评分搜索的贝叶斯网络结构学习方法 | 第18-23页 |
| ·基于约束的贝叶斯网络结构学习方法 | 第23-24页 |
| ·混合贝叶斯网络结构学习方法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 高维稀疏大数据集上的贝叶斯网络结构学习 | 第27-37页 |
| ·频繁项集的产生 | 第27-32页 |
| ·频繁项集的相关概念 | 第27页 |
| ·Apriori 算法 | 第27-30页 |
| ·Apriori-3K 算法 | 第30-32页 |
| ·基于频繁项集的贝叶斯网络结构学习算法 | 第32-34页 |
| ·FSBN 算法思想 | 第32-33页 |
| ·FSBN 算法伪代码 | 第33-34页 |
| ·实验分析 | 第34-36页 |
| ·实验环境 | 第34页 |
| ·Apriori-3K 算法实验分析 | 第34-35页 |
| ·FSBN 算法实验分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 遗传禁忌算法在贝叶斯网络边定向方法中的应用 | 第37-57页 |
| ·遗传算法 | 第37-44页 |
| ·遗传算法的基本思想 | 第38-39页 |
| ·遗传算法的实现 | 第39-43页 |
| ·遗传算法的优缺点 | 第43-44页 |
| ·禁忌搜索 | 第44-48页 |
| ·禁忌搜索的基本思想 | 第44-45页 |
| ·禁忌搜索的关键技术 | 第45-47页 |
| ·禁忌搜索的优缺点 | 第47-48页 |
| ·基于遗传禁忌算法的贝叶斯网络边定向方法 | 第48-56页 |
| ·GATS 算法的基本思想 | 第48-49页 |
| ·GATS 算法的具体实现 | 第49-53页 |
| ·GATS 算法与SGA 算法的对比实验 | 第53-54页 |
| ·GATS 算法在航班延误中的应用 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结 | 第57-59页 |
| ·本文的总结 | 第57页 |
| ·下一步的工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 在学期间研究成果与发表论文 | 第64页 |