具有隐变量的贝叶斯网络结构学习研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-19页 |
| ·课题研究背景及意义 | 第13-14页 |
| ·贝叶斯网络 | 第14-16页 |
| ·贝叶斯网络的研究内容 | 第14-15页 |
| ·贝叶斯网络的应用 | 第15-16页 |
| ·隐变量 | 第16-17页 |
| ·课题来源及本文组织结构 | 第17-18页 |
| ·课题来源 | 第17-18页 |
| ·本文组织结构 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第二章 具有隐变量的贝叶斯网络学习概述 | 第19-29页 |
| ·贝叶斯网络学习的基础知识 | 第19-22页 |
| ·基本概率计算公式 | 第19页 |
| ·贝叶斯网络的概念描述 | 第19-21页 |
| ·贝叶斯网络中结点间的关系 | 第21-22页 |
| ·不完备数据下的贝叶斯网络学习 | 第22-25页 |
| ·参数估计 | 第22-24页 |
| ·结构学习 | 第24-25页 |
| ·含有隐变量的贝叶斯网络学习 | 第25-27页 |
| ·基于结构分解的隐变量学习算法 | 第25-26页 |
| ·基于局部解释能力的隐变量学习算法 | 第26-27页 |
| ·基于信息瓶颈的隐变量学习算法 | 第27页 |
| ·本文实验数据来源及评价方法 | 第27-28页 |
| ·实验数据来源 | 第27-28页 |
| ·评价方法 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于结构分解和因子分析的方法发现隐变量 | 第29-40页 |
| ·引言 | 第29页 |
| ·基于变量依赖性的结构分解 | 第29-31页 |
| ·相关定义和性质 | 第29-30页 |
| ·确定团(cliques) | 第30-31页 |
| ·因子分析模型 | 第31页 |
| ·基于结构分解和因子分析发现隐变量 | 第31-34页 |
| ·S-FAHF 算法的主要步骤 | 第32-34页 |
| ·S-FAHF 算法描述 | 第34页 |
| ·实验 | 第34-39页 |
| ·实验环境和数据 | 第34-35页 |
| ·实验结果及分析 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于扰动分析确定含有隐变量的局部网络结构 | 第40-50页 |
| ·引言 | 第40页 |
| ·扰动学习模型 | 第40-43页 |
| ·无扰动模型 | 第41页 |
| ·基于结点的扰动模型 | 第41-42页 |
| ·基于边的扰动模型 | 第42-43页 |
| ·初始网络选择 | 第43-44页 |
| ·基于扰动分析确定局部网络结构 | 第44-47页 |
| ·停止准则 | 第44页 |
| ·确定局部结构的过程 | 第44-46页 |
| ·算法描述 | 第46-47页 |
| ·实验 | 第47-49页 |
| ·实验环境和数据 | 第47页 |
| ·实验结果及分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结及展望 | 第50-52页 |
| ·论文工作总结 | 第50-51页 |
| ·工作展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 读硕士期间主要科研工作及成果 | 第56-57页 |
