贝叶斯网学习若干问题研究
| 内容提要 | 第1-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景和意义 | 第10-12页 |
| ·不确定性知识处理的概率方法 | 第10-11页 |
| ·图模型与贝叶斯网 | 第11-12页 |
| ·本文工作 | 第12-14页 |
| 第二章 贝叶斯网基础 | 第14-27页 |
| ·引言 | 第14页 |
| ·背景知识 | 第14-18页 |
| ·概率基本概念 | 第14-15页 |
| ·信息论基础 | 第15-18页 |
| ·贝叶斯网基本概念 | 第18-26页 |
| ·不确定性推理与联合概率分布 | 第18-20页 |
| ·贝叶斯网定义 | 第20-21页 |
| ·贝叶斯网中的独立关系 | 第21-25页 |
| ·贝叶斯网的特性 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第三章 贝叶斯网学习 | 第27-41页 |
| ·引言 | 第27页 |
| ·贝叶斯网建造 | 第27-28页 |
| ·参数学习 | 第28-34页 |
| ·最大似然估计 | 第28-30页 |
| ·贝叶斯估计 | 第30-32页 |
| ·不完备数据下参数学习 | 第32-34页 |
| ·结构学习 | 第34-40页 |
| ·基于约束的方法 | 第35-37页 |
| ·基于打分搜索的方法 | 第37-39页 |
| ·不完备数据下结构学习 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第四章 贝叶斯网结构空间分析 | 第41-53页 |
| ·引言 | 第41页 |
| ·贝叶斯网结构空间 | 第41-43页 |
| ·有向图空间G-Space | 第41-42页 |
| ·贝叶斯网空间B-Space | 第42-43页 |
| ·结构空间分析 | 第43页 |
| ·结构空间的约减 | 第43-47页 |
| ·马尔科夫等价 | 第43-45页 |
| ·马尔科夫等价类空间 | 第45页 |
| ·马尔科夫等价类的表示 | 第45-46页 |
| ·E-Space的规模 | 第46页 |
| ·先验结构空间约束 | 第46-47页 |
| ·对比数据 | 第47-52页 |
| ·小结 | 第52-53页 |
| 第五章 贝叶斯网弧定向算法 | 第53-61页 |
| ·引言 | 第53页 |
| ·背景知识 | 第53-54页 |
| ·弧定向算法 | 第54-57页 |
| ·独立性测试阶段 | 第54-57页 |
| ·搜索局部结构 | 第57页 |
| ·实验 | 第57-60页 |
| ·结论 | 第60-61页 |
| 第六章 免疫遗传算法学习等价类 | 第61-72页 |
| ·引言 | 第61页 |
| ·遗传算法学习BNs结构 | 第61-62页 |
| ·SGA算法 | 第62-67页 |
| ·提取疫苗 | 第63页 |
| ·免疫算子 | 第63-65页 |
| ·遗传运算 | 第65-67页 |
| ·算法优化 | 第67页 |
| ·处理不完备数据 | 第67-68页 |
| ·对比实验 | 第68-70页 |
| ·小结 | 第70-72页 |
| 第七章 动态贝叶斯网学习 | 第72-79页 |
| ·引言 | 第72页 |
| ·背景知识 | 第72-76页 |
| ·状态空间模型 | 第72-73页 |
| ·动态贝叶斯网 | 第73-74页 |
| ·动态贝叶斯网学习简介 | 第74-76页 |
| ·免疫遗传算法学习动态贝叶斯网 | 第76-78页 |
| ·提取疫苗 | 第77页 |
| ·免疫算子 | 第77-78页 |
| ·遗传运算 | 第78页 |
| ·结论 | 第78-79页 |
| 第八章 全文总结及工作展望 | 第79-81页 |
| 附录 | 第81-91页 |
| A.符号表 | 第81-83页 |
| B.贝叶斯网推理方法简介 | 第83-91页 |
| B.1 简单链的推理方法 | 第83-84页 |
| B.2 单连通网络中的推理 | 第84-87页 |
| B.3 多连通网络中的推理 | 第87-91页 |
| 参考文献 | 第91-98页 |
| 作者攻读博士期间取得的成果 | 第98-100页 |
| 致谢 | 第100-101页 |
| 摘要 | 第101-103页 |
| ABSTRACT | 第103-104页 |
