贝叶斯网络隐藏变量维数学习研究及应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 致谢 | 第9-12页 |
| 插图清单 | 第12-13页 |
| 表格清单 | 第13-14页 |
| 第一章 绪论 | 第14-19页 |
| ·课题研究背景及意义 | 第14-15页 |
| ·贝叶斯网络 | 第15页 |
| ·贝叶斯网络隐变量 | 第15-16页 |
| ·隐变量结构学习 | 第16页 |
| ·隐变量维数学习 | 第16-17页 |
| ·隐变量维数的概念 | 第16-17页 |
| ·当前学习隐变量维数的方法 | 第17页 |
| ·课题来源及本文组织结构 | 第17-18页 |
| ·课题来源 | 第17页 |
| ·本文组织结构 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第二章 贝叶斯网络和隐变量 | 第19-28页 |
| ·贝叶斯网络学习理论 | 第19-21页 |
| ·基本公式 | 第19-20页 |
| ·贝叶斯网络的概念描述 | 第20-21页 |
| ·完备数据下的贝叶斯网络学习 | 第21-22页 |
| ·基本概念 | 第21页 |
| ·几种常见的评分方法 | 第21-22页 |
| ·K2 评分方法 | 第21-22页 |
| ·贝叶斯评分 Bde | 第22页 |
| ·不完备数据下的贝叶斯网络学习 | 第22-24页 |
| ·参数估计 | 第23-24页 |
| ·结构学习 | 第24页 |
| ·贝叶斯网络隐变量学习 | 第24-26页 |
| ·贝叶斯网络中隐变量结构学习方法 | 第24-25页 |
| ·基于结构分解的隐变量结构学习算法 | 第24页 |
| ·基于信息瓶颈的隐变量学习算法 | 第24-25页 |
| ·隐变量维数学习的方法 | 第25-26页 |
| ·EM-based scores 方法 | 第25-26页 |
| ·Agglomeration 算法 | 第26页 |
| ·本文实验数据来源及评价方法 | 第26-27页 |
| ·实验数据来源 | 第26页 |
| ·评价方法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 单隐变量维数学习 | 第28-40页 |
| ·基于隐变量的马尔科夫毯构建局部网络 | 第28-30页 |
| ·确定隐变量的最大可能维数并补全数据集 | 第30页 |
| ·模拟退火策略控制下的评分凝聚过程 | 第30-32页 |
| ·SSA 算法描述 | 第32页 |
| ·实验比较与分析 | 第32-38页 |
| ·维数学习结果的比较 | 第34-35页 |
| ·算法运算时间的比较 | 第35-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 多隐变量维数学习 | 第40-49页 |
| ·提取多隐变量的局部网络及补全数据集 | 第41-42页 |
| ·提取多隐变量的局部网络 | 第41-42页 |
| ·确定多隐变量的最大可能维数并补全数据集 | 第42页 |
| ·确定多隐变量维数学习的次序 | 第42-43页 |
| ·在已知结构的网络中的实验比较与分析 | 第43-48页 |
| ·维数学习结果的比较 | 第44-45页 |
| ·算法运算时间的比较 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 隐变量维数学习在基因调控网上的应用 | 第49-53页 |
| ·SEM 算法 | 第49-50页 |
| ·选取的基因调控网络 | 第50页 |
| ·实验结果与分析 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第六章 总结及展望 | 第53-55页 |
| ·论文工作总结 | 第53-54页 |
| ·工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59-61页 |
