| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 贝叶斯网络的起源和发展进程 | 第14-16页 |
| 1.1.1 贝叶斯网络与人工智能 | 第14页 |
| 1.1.2 贝叶斯网络与进化算法 | 第14-15页 |
| 1.1.3 贝叶斯网络发展过程概述 | 第15-16页 |
| 1.2 贝叶斯网络学习概述 | 第16-18页 |
| 1.2.1 贝叶斯网络的特点 | 第16页 |
| 1.2.2 贝叶斯网络结构学习 | 第16-18页 |
| 1.3 贝叶斯网络推理 | 第18页 |
| 1.4 贝叶斯网络应用 | 第18-19页 |
| 1.5 贝叶斯网络国内外研究现状及突破点 | 第19-20页 |
| 1.6 本文结构安排 | 第20-22页 |
| 第二章 贝叶斯网络概述 | 第22-34页 |
| 2.1 与贝叶斯网络相关的概率知识 | 第22-23页 |
| 2.2 与贝叶斯网络相关的图论知识 | 第23-24页 |
| 2.3 贝叶斯网络基本理论知识 | 第24-27页 |
| 2.4 贝叶斯网络结构学习 | 第27-32页 |
| 2.4.1 基于评分搜索的贝叶斯网络结构学习 | 第27-30页 |
| 2.4.2 基于约束的贝叶斯网络结构学习 | 第30-31页 |
| 2.4.3 混合算法学习贝叶斯网络结构 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于小样本数据的贝叶斯网络结构学习 | 第34-48页 |
| 3.1 准备工作 | 第34-37页 |
| 3.1.1 统计中的两类错误 | 第35-36页 |
| 3.1.2 定向规则 | 第36页 |
| 3.1.3 本文中贝叶斯网络结构学习假设 | 第36-37页 |
| 3.2 主要工作 | 第37-43页 |
| 3.2.1 小样本 | 第37页 |
| 3.2.2 基于小样本数据学习贝叶斯网络结构的困难 | 第37-38页 |
| 3.2.3 具体学习过程及相关算法 | 第38-43页 |
| 3.3 实验部分 | 第43-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第四章 基于改进的鱼群算法学习贝叶斯网络结构 | 第48-60页 |
| 4.1 基础知识准备 | 第48-51页 |
| 4.1.1 鱼群算法 | 第48页 |
| 4.1.2 人工鱼的四种行为 | 第48-51页 |
| 4.1.3 鱼群算法流程图 | 第51页 |
| 4.2 主要工作 | 第51-55页 |
| 4.2.1 贝叶斯网络中的鱼群算法 | 第51-52页 |
| 4.2.2 本文主要思想 | 第52-53页 |
| 4.2.3 构造得分最高的网络结构 | 第53-54页 |
| 4.2.4 算法实现过程 | 第54-55页 |
| 4.3 实验部分 | 第55-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 本文总结 | 第60页 |
| 5.2 未来展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 作者简介 | 第68-69页 |