声明
摘要
第1章 引言
1.1 研究背景与意义
1.2 研究现状
1.2.1 个性化推荐
1.2.2 健康管理
1.2.3 贝叶斯网络
1.3 研究内容
1.4 论文组织结构
第2章 相关技术概述
2.1 贝叶斯网络简述
2.2 贝叶斯网络及其结构模型
2.3 贝叶斯网络结构学习
2.4 贝叶斯网络参数学习
2.4.1 贝叶斯方法
2.4.2 最大似然估计
2.5 贝叶斯网络联合树推理
2.6 本章小结
第3章 贝叶斯网络混合结构学习算法
3.1 引言
3.2 基本概念
3.3 混合结构学习算法
3.3.1 基于最大信息系数的初始化
3.3.2 网络增厚
3.3.3 冗余边去除
3.3.4 基于评分-搜索的边方向确定
3.3.5 基于模拟退火算法的优化
3.4 算法分析
3.5 实验分析
3.5.1 实验环境及实验数据集
3.5.2 实验结果分析
3.6 本章小结
第4章 贝叶斯网络增量学习算法
4.1 引言
4.2 增量学习算法
4.2.1 基于贪婪搜索的修正算法
4.2.2 基于贪婪搜索的边增加算法
4.2.3 基于模拟退火算法的优化
4.3 正确性分析
4.4 多阶段结构学习
4.5 实验分析
4.5.1 实验环境与实验数据集
4.5.2 增量学习实验结果分析
4.5.3 多阶段学习实验结果分析
4.6 本章小结
第5章 贝叶斯网络三角化优化算法
5.1 引言
5.2 三角化过程
5.3 基于自适应遗传算法三角化优化算法TAGA
5.3.1 编码
5.3.2 适应度函数
5.3.3 自适应交叉概率和变异概率
5.3.4 线性排序选择算子
5.3.5 自适应交叉算子触APOS
5.3.6 种群迁移
5.3.7 三角化优化算法TAGA
5.8 实验结果与分析
5.9 本章小结
第6章 个人日常生活数据分析
6.1 个人日常生活数据
6.1.1 自然行为
6.1.2 行为痕迹
6.2 日常生活数据的贝叶斯网络构建过程
6.3.1 相关概念
6.3.2 数据预处理算法
6.4 个人日常生活数据示例
6.4.1 行为贝叶斯网络示例
6.4.2 行为-属性贝叶斯网络示例
6.5 本章小结
第7章 总结与展望
致谢
参考文献