概率图模型及其独立性研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 引言 | 第6-10页 |
| 第一章 概率图模型的基本概念 | 第10-20页 |
| 1.1 概率图模型的网络结构 | 第11-12页 |
| 1.2 图模型的概率分布表示 | 第12-20页 |
| 1.2.1 表格CPD | 第12-13页 |
| 1.2.2 确定性CPD | 第13页 |
| 1.2.3 特定上下文CPD | 第13-15页 |
| 1.2.4 因果影响CPD | 第15-16页 |
| 1.2.5 高斯网络模型 | 第16-17页 |
| 1.2.6 混合模型 | 第17-20页 |
| 第二章 贝叶斯网络模型 | 第20-30页 |
| 2.1 朴素贝叶斯网络 | 第20-22页 |
| 2.2 贝叶斯网络的独立性 | 第22-25页 |
| 2.2.1 局部独立性 | 第22-23页 |
| 2.2.2 d-分离独立性 | 第23-25页 |
| 2.3 分布到图 | 第25-30页 |
| 2.3.1 I-map以及构造算法 | 第25-27页 |
| 2.3.2 变量次序 | 第27-30页 |
| 第三章 马尔可夫网络模型 | 第30-40页 |
| 3.1 基本定义 | 第30-32页 |
| 3.2 两个无向图中的搜索算法 | 第32-36页 |
| 3.2.1 最大团搜索算法 | 第32-33页 |
| 3.2.2 极大团搜索算法 | 第33-35页 |
| 3.2.3 优点和不足 | 第35-36页 |
| 3.3 因子化及独立性 | 第36-37页 |
| 3.3.1 因子化 | 第36页 |
| 3.3.2 独立性 | 第36-37页 |
| 3.4 贝叶斯网络和马尔可夫网络 | 第37-40页 |
| 结论 | 第40-41页 |
| 参考文献 | 第41-43页 |
| 攻读学位期间的研究成果 | 第43-44页 |
| 致谢 | 第44-45页 |
