贝叶斯网络结构与参数优化学习及其 海洋环境风险评估应用研究

目录

声明

目 录

第一章 引 言

1.1 选题背景与研究意义

1.2 国内外研究现状

1.2.1 海洋环境评估研究现状

1.2.2 评估方法研究进展

1.3 研究内容

1.3.1 研究目标

1.3.2 问题分析

1.3.3 研究思路

1.3.4 论文结构

第二章 海洋环境的不确定性风险评估

2.1 不确定性风险

2.1.1 风险理论

2.1.2 风险不确定性分析

2.2 风险评估方法

2.2.1 经典评估方法

2.2.2 新兴评估方法

2.2.3 不确定性评估方法

2.3 不确定性海洋环境风险评估

2.3.1 海洋环境风险概念

2.3.2 海洋环境风险的不确定性特征

2.3.3 不确定性海洋环境风险评估

2.4 本章小结

第三章 贝叶斯网络学习与建模

3.1 贝叶斯网络原理

3.1.1 贝叶斯网络基本概念

3.1.2 贝叶斯网络基本假设

3.1.3 贝叶斯网络知识表达

3.2 贝叶斯网络学习

3.2.1 结构学习

3.2.2 参数学习

3.2.3 贝叶斯网络推理

3.3 贝叶斯网络建模

3.3.1 建模方法

3.3.2 建模流程

3.4 本章小结

第四章 基于信息流因果辨识的贝叶斯网络结构学习算法

4.1 问题分析

4.2 基于信息流的改进型贪婪搜索评分算法

4.2.1 信息流基本理论

4.2.2 无约束0/1优化问题的构建

4.2.3 BIC评分函数与GS算法

4.2.4 基于信息流的AGS算法

4.3 数值实验

4.3.1 实验环境与数据

4.3.2 实验结果与分析

4.4 本章小结

第五章 小样本条件下的贝叶斯网络参数学习算法

5.1 问题分析

5.2 遗传算法理论

5.2.1 基本概念

5.2.2 算法流程

5.3 网络参数反演方案

5.3.1 参数反演流程

5.3.2 模型实验检验

5.4 本章小结

第六章 变量强相关条件下加权贝叶斯网络优化学习模型

6.1 问题分析

6.2 加权朴素贝叶斯网络

6.2.1 加权朴素贝叶斯分类算法

6.2.2 加权朴素贝叶斯网络

6.3 权重确定

6.3.1 权重计算问题

6.3.2 改进型灰色关联法

6.4 仿真实验

6.5 本章小结

第七章 “21世纪海上丝绸之路”海洋环境风险评估实验

7.1 南海-印度洋海洋环境分析

7.1.1 指标选取及数据来源

7.1.2 指标分析

7.2 数据离散化—指标等级划分

7.2.1 自适应高斯云变换

7.2.2 指标等级划分

7.3 近岸海洋环境风险评估实验

7.3.1 结构构建

7.3.2 参数学习

7.3.3 加权推理

7.4 远洋海洋环境风险评估实验

7.4.1 结构构建

7.4.2 参数学习

7.4.3 推理计算

7.5 海洋环境风险动态评估与预测

7.5.1 动态贝叶斯网络原理

7.5.2 基于动态贝叶斯网络的风险评估建模

7.5.3 海洋环境风险动态评估实验

7.6 本章小结

第八章 结束语

8.1 研究工作总结

8.2 特色与创新

8.3 不足与展望

致 谢

参考文献

在学期间取得学术成果