基于HFC和递归分解的贝叶斯网络结构学习算法

目录

声明

第1章 绪论

1.1 研究背景和意义

1.2 贝叶斯网络的起源、发展与研究现状

1.2.1 贝叶斯网络的起源与发展

1.2.2 贝叶斯网络的研究现状

1.3 研究内容与结构安排

1.3.1 研究内容

1.3.2 文章结构安排

第2章 贝叶斯网络的基本理论

2.1 贝叶斯网络的内涵与概念

2.2 贝叶斯网络的数学模型

2.3 贝叶斯网络结构学习

2.3.1 基于条件独立测试的方法

2.3.2 基于搜索评分的方法

2.3.3 混合贝叶斯网络结构学习方法

2.4 本章小结

第3章 基于HFC模型的贝叶斯网络结构学习

3.1 遗传算法

3.1.1 遗传算法的基本思想

3.1.2 遗传算法的基本结构

3.1.3 遗传算法的特点

3.2 HFC模型

3.2.1 HFC模型的基本思想

3.2.2 HFC模型的算法描述

3.2.3 HFC模型的特点

3.3 基于HFC模型的贝叶斯网络学习

3.3.1 问题抽象

3.3.2 HFC-BNL的算法描述

3.3.3 HFC-BNL的算法流程

3.4 实验分析

3.4.1 标准数据集

3.4.2 进化参数选择与评价指标

3.4.3 实验结果与分析

3.5 本章小结

第4章 基于HFC和递归分解的结构学习

4.1 基于递归分解的结构学习

4.1.1 递归分解结构学习的基本思想

4.1.2 递归分解结构学习的有效性分析

4.2 基于HFC模型和递归分解的结构学习

4.2.1 算法流程

4.2.2 无向独立图的计算

4.2.3 无向图独立图的递归分解

4.2.4 基于HFC-BNL的子结构学习

4.2.5 基于V-结构不变理论的子结构合成

4.3 实验分析

4.3.1 标准数据集

4.3.2 实验结果与分析

4.4 本章小结

第5章 总结与展望

5.1 全文总结

5.2 展望

致谢

参考文献

攻读硕士学位期间发表的学术论文