| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 论文的主要贡献和结构安排 | 第10-11页 |
| 第2章 基本理论 | 第11-23页 |
| 2.1 贝叶斯网络基本理论 | 第11-14页 |
| 2.1.1 图论基本概念 | 第11-12页 |
| 2.1.2 马尔科夫概率属性 | 第12-14页 |
| 2.1.3 贝叶斯网络定义与学习 | 第14页 |
| 2.2 Copula函数基本理论 | 第14-16页 |
| 2.2.1 Copula定义及Sklar定理 | 第15页 |
| 2.2.2 Copula函数的相关性度量 | 第15-16页 |
| 2.3 Vine模型基本理论 | 第16-23页 |
| 2.3.1 Pair-Copula分解 | 第16-19页 |
| 2.3.2 藤(Vine)相关定义 | 第19-21页 |
| 2.3.3 Vine Copula模型的参数估计 | 第21-23页 |
| 第3章 基于多项式回归的PCBNs模型 | 第23-33页 |
| 3.1 Pair-Copula贝叶斯网络模型 | 第23-26页 |
| 3.2 Pair-Copula贝叶斯网络模型的学习 | 第26-29页 |
| 3.2.1 参数估计 | 第27页 |
| 3.2.2 结构估计——稳定的PC算法 | 第27-29页 |
| 3.3 基于多项式回归的PCBNs模型 | 第29-33页 |
| 3.3.1 基于多项式回归的条件独立性检验 | 第30页 |
| 3.3.2 基于多项式回归的PCBNs模型构建 | 第30-33页 |
| 第4章 仿真模拟与实证分析 | 第33-41页 |
| 4.1 仿真模拟 | 第33-36页 |
| 4.1.1 抽样方法 | 第33-34页 |
| 4.1.2 结构估计 | 第34-35页 |
| 4.1.3 参数估计 | 第35-36页 |
| 4.2 实证分析 | 第36-41页 |
| 第5章 总结与展望 | 第41-43页 |
| 5.1 内容总结 | 第41-42页 |
| 5.2 研究展望 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 发表论文和参加科研情况说明 | 第47-49页 |
| 致谢 | 第49页 |