摘要
1 绪论
1.1 研究背景和意义
1.2 贝叶斯网络的研究现状
1.3 本文主要研究内容与结构安排
1.3.1 主要研究内容
1.3.2 结构安排
2 贝叶斯网络的基本理论
2.1 贝叶斯网络基础知识
2.1.1 概率知识
2.1.2 图论知识
2.1.3 图分割与条件独立
2.1.4 信息论知识
2.2 贝叶斯网络的知识表示
2.3 贝叶斯网络结构学习
2.3.1 基于条件独立性测试的方法
2.3.2 基于评分搜索的方法
2.3.3 混合贝叶斯网络结构学习方法
2.4 本章小结
3 基于粒子群优化算法的贝叶斯网络结构学习
3.1 MMPC算法
3.2 粒子群算法
3.2.1 粒子群算法的基本思想
3.2.2 标准的粒子群算法
3.2.3 粒子群算法的特点
3.3 基于粒子群优化算法的学习过程
3.3.1 编码设计
3.3.2 评分函数的选择
3.3.3 初始种群的产生方式
3.3.4 算法实现过程
3.4 实验环境与结果分析
3.4.1 实验环境与配置
3.4.2 实验结果与分析
3.5 本章小结
4 基于节点预排序的贝叶斯网络结构学习
4.1 K2算法
4.2 基于节点预排序的优化算法
4.2.1 优化算法的基本思想
4.2.2 优化算法的主要步骤
4.2.3 优化算法的实现步骤
4.3 实验结果与分析
4.4 本章小结
5.总结与展望
5.1 工作总结
5.2 展望
参考文献
攻读学位期间取得的研究成果
致谢
声明