基于贝叶斯网络的刑事侦查决策模型研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·引言 | 第9-10页 |
| ·研究现状 | 第10-11页 |
| ·本文的研究内容 | 第11-12页 |
| ·本文的组织结构 | 第12-13页 |
| 第二章 贝叶斯网络理论 | 第13-27页 |
| ·贝叶斯网络 | 第13-18页 |
| ·基本概念 | 第13-15页 |
| ·贝叶斯网络结构 | 第15-17页 |
| ·贝叶斯网络的建立方法 | 第17-18页 |
| ·贝叶斯网络学习 | 第18-23页 |
| ·参数学习 | 第18-20页 |
| ·结构学习 | 第20-23页 |
| ·贝叶斯网络推理 | 第23-26页 |
| ·精确推理算法 | 第23-25页 |
| ·近似推理算法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 贝叶斯决策原理 | 第27-34页 |
| ·决策的基本概念 | 第27-29页 |
| ·决策的基本原理 | 第29-30页 |
| ·贝叶斯决策方法简介 | 第30-32页 |
| ·经验贝叶斯决策 | 第30-31页 |
| ·两阶段贝叶斯决策 | 第31页 |
| ·序贯贝叶斯决策 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 基于贝叶斯信念网的模型 | 第34-49页 |
| ·基于假设的真理维持系统 | 第34-36页 |
| ·基于贝叶斯网络的知识表达 | 第36-39页 |
| ·有向无环图的构造 | 第39-45页 |
| ·DAG的构建 | 第39-43页 |
| ·伪结点的移除 | 第43-44页 |
| ·DAG图的合成 | 第44-45页 |
| ·CPT | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 基于贝叶斯信念网的场景空间决策 | 第49-56页 |
| ·询问类型 | 第49-50页 |
| ·信息熵 | 第50-51页 |
| ·基于最小熵的证据收集方法 | 第51-52页 |
| ·扩展 | 第52-55页 |
| ·行动序列 | 第53页 |
| ·多重证据 | 第53-54页 |
| ·多重假设 | 第54页 |
| ·证据评估总方案 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 贝叶斯网络模型的应用 | 第56-67页 |
| ·系统总体结构 | 第56-57页 |
| ·知识表示 | 第57-59页 |
| ·信息类型 | 第57-58页 |
| ·场景碎片 | 第58-59页 |
| ·场景空间的合成 | 第59-63页 |
| ·用户界面 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 第七章 总结与展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录A 样本知识库 | 第74-77页 |
