知识与数据驱动的贝叶斯网络结构学习方法的研究

目录

声明

摘要

第1章绪论

1．1课题研究背景及意义

1．2国内外研究现状

1．2．1贝叶斯网络研究现状

1．2．2贝叶斯网络结构现状

1．3本文主要工作

第2章贝叶斯网络基础及相关理论

2．1贝叶斯网络的基本概念

2．1．1贝叶斯网络的定义

2．1．2一个贝叶斯网络模型的构建实例

2．2贝叶斯网络的基础知识

2．2．1贝叶斯网络的概率论基础

2．2．2贝叶斯网络的信息论基础

2．1．3贝叶斯网络的图论基础

2．3主要的贝叶斯网络结构学习方法

2．3．1基于条件独立性测试的结构学习方法

2．3．2基于评分搜索的结构学习方法

2．3．3基于混合搜索算法的结构学习方法

2．4本章小结

第3章基于数据的贝叶斯网络结构学习方法研究基

3．1基于改进MIC的初始网络构造方法

3．1．1最大信息系数

3．1．2初始网络的构建

3．2基于BPSO-ADR的评分搜索算法

3．2．1二值粒子群算法

3．2．2 BPSO ADR算法

3．3基于pMIC_BPSO_ADR的混合结构学习方法

3．3．1两阶段算法的结合方式

3．3．2算法整体流程

3．4仿真分析

3．4．1实验准备

3．4．2基于改进MIC的初始网络构造方法的仿真分析

3．4．3贝叶斯网络结构学习算法对比仿真分析

3．5本章小结

第4章知识在贝叶斯网络结构学习方法中的应用研究

4．1专家知识的应用

4．1．1边的类型

4．1．2专家知识分类与专家准确率

4．2基于规则的搜索方向引导

4．2．1基于规则方法的基本概念

4．2．2基于不同类知识的添减边规则

4．3基于知识的评分函数的改进

4．3．1知识与评分搜索算法的融合

4．3．2基于不同类知识的评分函数的改进

4．4仿真分析

4．4．1算法整体流程

4．4．2实验准备

4．4．3实验仿真与对比分析

4．5本章小结

5．1总结

5．2展望

参考文献

致谢