具有隐藏变量贝叶斯网学习算法的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-12页 |
| 第一章 引言 | 第12-18页 |
| ·课题背景 | 第12-15页 |
| ·课题内容 | 第15-16页 |
| ·研究意义 | 第16-17页 |
| ·本文的组织结构 | 第17-18页 |
| 第二章 具有隐藏变量的贝叶斯网学习概述 | 第18-34页 |
| ·贝叶斯网学习概述 | 第18-24页 |
| ·基本概念 | 第18-20页 |
| ·几种常用打分方法简介 | 第20-22页 |
| ·基于打分搜索方法贝叶斯网学习简介 | 第22-24页 |
| ·具有隐藏变量的贝叶斯网学习 | 第24-26页 |
| ·具有隐藏变量的贝叶斯网学习算法概述 | 第26-30页 |
| ·SEM算法 | 第26-28页 |
| ·基于结构的隐藏变量学习算法 | 第28-29页 |
| ·信息瓶颈算法 | 第29-30页 |
| ·本文实验数据来源及评价方案 | 第30-31页 |
| ·实验数据来源 | 第30页 |
| ·评价方案 | 第30-31页 |
| ·本文工作与文献综述的关系 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 增强型并行蚁群算法PACOB | 第34-44页 |
| ·快速PACOB算法 | 第34-38页 |
| ·PACOB算法简介 | 第34页 |
| ·打分值双重缓冲机制 | 第34-37页 |
| ·实验结果分析 | 第37-38页 |
| ·一种有效的爬山算法HCBest | 第38-43页 |
| ·爬山算法思想概述 | 第38-39页 |
| ·HCBest算法描述 | 第39-40页 |
| ·实验结果与分析 | 第40-43页 |
| ·实验小结 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第四章 扩展型DSEM算法HDSEM-PACOB | 第44-52页 |
| ·HDSEM-PACOB算法提出 | 第44-45页 |
| ·HDSEM-PACOB算法描述 | 第45-46页 |
| ·初始网络的选择 | 第46-47页 |
| ·实验结果与分析 | 第47-49页 |
| ·实验设计 | 第47-48页 |
| ·实验结果分析 | 第48-49页 |
| ·本章小结 | 第49-52页 |
| 第五章 基于信息瓶颈的隐藏变量学习方法探索 | 第52-62页 |
| ·信息瓶颈方法简介 | 第52-53页 |
| ·用信息瓶颈方法学习具有隐藏变量的贝叶斯网 | 第53-54页 |
| ·信息瓶颈EM方法 | 第54-57页 |
| ·信息瓶颈EM拉格朗日函数 | 第55-56页 |
| ·信息瓶颈EM算法 | 第56页 |
| ·IBEM-PACOB算法 | 第56-57页 |
| ·实验结果与分析 | 第57-60页 |
| ·γ取值讨论 | 第57-58页 |
| ·结果分析 | 第58-60页 |
| ·本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·工作总结 | 第62页 |
| ·研究展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 发表文章目录 | 第70-72页 |
| 致谢 | 第72-73页 |
| 详细摘要 | 第73-75页 |
