混合贝叶斯网络结构学习算法的研究与实现
| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-12页 |
| ·数据挖掘 | 第7-10页 |
| ·数据挖掘的定义 | 第7页 |
| ·数据挖掘的发展现状 | 第7-8页 |
| ·数据挖掘项目的生命周期 | 第8-10页 |
| ·数据挖掘的任务种类 | 第10页 |
| ·分类 | 第10页 |
| ·本文的目的和研究内容 | 第10-12页 |
| 第2章 贝叶斯网络简介 | 第12-27页 |
| ·理论基础 | 第12-13页 |
| ·概率知识 | 第12-13页 |
| ·信息论知识 | 第13页 |
| ·贝叶斯网络简介 | 第13-15页 |
| ·形式化定义 | 第14页 |
| ·发展阶段 | 第14-15页 |
| ·贝叶斯网络学习 | 第15-24页 |
| ·结构学习 | 第15-24页 |
| ·参数学习 | 第24页 |
| ·几种常见的贝叶斯网络分类模型 | 第24-26页 |
| ·NBC 模型 | 第24-25页 |
| ·TAN 模型 | 第25页 |
| ·BN 模型 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 新型贝叶斯网络结构学习的混合算法 | 第27-43页 |
| ·节点序(VO)生成 | 第27-29页 |
| ·算法描述 | 第28-29页 |
| ·算法分析 | 第29页 |
| ·伪贝叶斯网络的构建 | 第29-40页 |
| ·网络框架 | 第29-31页 |
| ·增加弧 | 第31-35页 |
| ·删除冗余弧 | 第35-40页 |
| ·封闭网络 | 第40-41页 |
| ·算法描述 | 第40-41页 |
| ·算法分析 | 第41页 |
| ·模型评价 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 实验结果分析和比较 | 第43-51页 |
| ·实验环境 | 第43-44页 |
| ·实验平台 | 第43页 |
| ·实验数据 | 第43-44页 |
| ·网络结构学习的实验过程 | 第44-48页 |
| ·节点序学习 | 第45页 |
| ·基本框架学习 | 第45-46页 |
| ·添加必要弧 | 第46页 |
| ·删除冗余弧 | 第46-47页 |
| ·封闭网络操作 | 第47-48页 |
| ·结果分析与比较 | 第48-50页 |
| ·训练数据集规模对模型分类准确率的影响 | 第48-49页 |
| ·结构学习算法的适用性 | 第49页 |
| ·模型比较 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 总结及展望 | 第51-53页 |
| ·工作总结 | 第51-52页 |
| ·未来展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 摘要 | 第59-61页 |
| Abstract | 第61-63页 |
