基于图模型分解的贝叶斯网络学习与推理研究

摘要	第1-4页
ABSTRACT	第4-6页
第一章 绪论	第6-12页
·研究背景	第6-7页
·贝叶斯网络的研究现状	第7-9页
·研究内容和结构安排	第9-12页
第二章 贝叶斯网络的基本理论	第12-20页
·贝叶斯网络基础知识	第12-14页
·贝叶斯网络结构学习	第14-16页
·基于评分搜索的方法	第14-16页
·基于依赖分析的方法	第16页
·贝叶斯网络推理算法	第16-20页
·精确推理算法	第16-17页
·近似推理算法	第17-20页
第三章 基于图模型分解的贝叶斯网络结构学习	第20-30页
·引论	第20-21页
·马尔科夫边界学习算法	第21-22页
·最大主子图分解	第22-24页
·基于混合方式的 BN 结构学习	第24-30页
·算法描述	第25-27页
·仿真实验	第27-30页
第四章 关于迭代信度传播算法的学习与研究	第30-42页
·迭代信度传播算法	第30-32页
·信度传播的边删除方法论	第32-36页
·边参数和多条边的删除	第32-33页
·搜索边参数	第33-34页
·选择进行删除和恢复操作的边	第34-36页
·广义信度传播算法在查询目标上的应用	第36-42页
·或然率	第36-39页
·仿真实验	第39-42页
第五章 结束语	第42-44页
致谢	第44-46页
参考文献	第46-50页
硕士期间论文发表情况	第50-51页