贝叶斯网在数据挖掘中的算法运用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| ·背景和意义 | 第9页 |
| ·研究现状 | 第9-12页 |
| ·贝叶斯网络理论发展 | 第9-10页 |
| ·贝叶斯网络研究现状 | 第10-12页 |
| ·本文工作 | 第12-13页 |
| 第二章 贝叶斯网络结构 | 第13-24页 |
| ·背景知识 | 第13-20页 |
| ·概率论基础知识 | 第13-17页 |
| ·信息论基础知识 | 第17-20页 |
| ·贝叶斯网络的构造 | 第20-23页 |
| ·图论相关概念 | 第20-21页 |
| ·贝叶斯网络构造 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 贝叶斯网参数学习 | 第24-43页 |
| ·数据集完备时的参数学习 | 第24-33页 |
| ·最大似然估计 | 第25-27页 |
| ·贝叶斯估计 | 第27-33页 |
| ·数据缺失时的参数学习 | 第33-37页 |
| ·期望优化算法基本思想 | 第34-35页 |
| ·EM算法分析及实现 | 第35-36页 |
| ·EM算法收敛性分析 | 第36-37页 |
| ·案例分析 | 第37-42页 |
| ·实验环境和数据 | 第37-38页 |
| ·实验结果 | 第38-42页 |
| ·全章小结 | 第42-43页 |
| 第四章 基于评分的贝叶斯网结构学习算法 | 第43-57页 |
| ·基于似然函数的评分准则 | 第43-45页 |
| ·贝叶斯评分 | 第45-47页 |
| ·贝叶斯信息准则 | 第47-50页 |
| ·贝叶斯评分准则 | 第47-49页 |
| ·BIC评分函数分解 | 第49-50页 |
| ·K2算法 | 第50-52页 |
| ·案例分析 | 第52-57页 |
| ·实验环境和数据 | 第52-53页 |
| ·实验结果 | 第53-57页 |
| 第五章 结束语 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 在攻读硕士学位期间的科研情况 | 第63页 |
