基于依赖分析的贝叶斯网络结构学习算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 贝叶斯网络的研究现状 | 第15-18页 |
| 1.3 本文的研究内容和结构安排 | 第18-20页 |
| 1.3.1 本文的主要工作 | 第18页 |
| 1.3.2 本文的组织结构 | 第18-20页 |
| 第二章 贝叶斯网络的相关知识 | 第20-36页 |
| 2.1 贝叶斯网络基本模型 | 第20-25页 |
| 2.1.1 贝叶斯网络的相关定义 | 第20-21页 |
| 2.1.2 贝叶斯网络的理论基础 | 第21-23页 |
| 2.1.3 信息理论 | 第23-25页 |
| 2.2 贝叶斯网络结构学习 | 第25-34页 |
| 2.2.1 基于打分搜索的贝叶斯网络结构学习方法 | 第26-28页 |
| 2.2.2 基于依赖分析的贝叶斯网络结构学习 | 第28-30页 |
| 2.2.3 贝叶斯网络结构学习的混合算法 | 第30-34页 |
| 2.3 本章小结 | 第34-36页 |
| 第三章 贝叶斯网络结构学习的改进算法 | 第36-46页 |
| 3.1 贝叶斯网络结构学习的前提假设 | 第36页 |
| 3.2 PC算法相关知识简介 | 第36-37页 |
| 3.3 边的定向规则 | 第37-38页 |
| 3.4 构造初始无向图 | 第38-39页 |
| 3.5 MUPC算法 | 第39-40页 |
| 3.6 数值实验 | 第40-44页 |
| 3.7 本章小结 | 第44-46页 |
| 第四章 总结与展望 | 第46-48页 |
| 4.1 工作和成果总结 | 第46页 |
| 4.2 展望 | 第46-48页 |
| 结束语 | 第48-50页 |
| 致谢 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间的研究成果 | 第56-57页 |
