| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景和意义 | 第8-10页 |
| ·贝叶斯信念网络及列联表的研究发展和研究现状 | 第10-11页 |
| ·课题的研究目标和内容 | 第11-13页 |
| 第二章 贝叶斯网络参数学习 | 第13-29页 |
| ·贝叶斯信念网络参数学习 | 第13页 |
| ·贝叶斯信念网络中数据的缺失机制 | 第13页 |
| ·R软件与Monte Carlo方法 | 第13-14页 |
| ·两种处理缺失数据的算法 | 第14-15页 |
| ·缺失模型识别及两种估计算法的实现 | 第15-23页 |
| ·贝叶斯信念网络一及其EM算法实现 | 第15-18页 |
| ·贝叶斯信念网络一识别估计算法实现 | 第18-20页 |
| ·平均因果效应 | 第20页 |
| ·蒙特卡洛生成随机数并进行模型结果模拟和对比 | 第20-23页 |
| ·贝叶斯信念网络模型二 | 第23-24页 |
| ·贝叶斯信念网络模型三 | 第24-29页 |
| ·贝叶斯信念网络三EM算法与识别估计算法 | 第25-26页 |
| ·贝叶斯信念网络三平均因果效应 | 第26页 |
| ·贝叶斯信念网络三蒙特卡洛生成随机数及模型结果对比 | 第26-29页 |
| 第三章 贝叶斯信念网络结构学习 | 第29-35页 |
| ·结构学习基础思想 | 第29-30页 |
| ·贝叶斯结构学习算法 | 第30-32页 |
| ·R中贝叶斯结构学习包：bnlearn | 第32-33页 |
| ·网络结构的MMHC算法的模拟 | 第33-35页 |
| 第四章 多维列联表的风险比检验 | 第35-43页 |
| ·列联表的性质检验的三个统计量 | 第35页 |
| ·M-H方法 | 第35-36页 |
| ·分层的列联表(k*2*2)的一致性检验 | 第36-38页 |
| ·2*k列联表的异质性检验 | 第38-40页 |
| ·2*k列联表的趋势检验 | 第40-43页 |
| 第五章 总结与展望 | 第43-44页 |
| ·总结 | 第43页 |
| ·展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47-48页 |
| 攻读学位期间发表的学术论文目录 | 第48页 |