第1章 绪论 1
1.1 知识发现 2
1.2 图形模式的概念及发展概述 6
1.3 贝叶斯网络的应用 9
1.4 研究框架 14
第2章 贝叶斯网络概述 17
2.1 贝叶斯网络基础理论 18
2.2 贝叶斯网络学习方法 29
2.3 贝叶斯网络学习算法的准确性评价方法 35
第3章 贝叶斯网络弧定向方法研究 38
3.1 贝叶斯网络弧定向方法介绍 39
3.2 信息论的基本概念 39
3.3 CE-GA算法 47
3.4 实验分析 55
3.5 本章小结 60
第4章 基于进化计算的贝叶斯网络学习 62
4.1 进化计算 64
4.2 进化规划 65
4.3 进化规划中早熟收敛原因分析及刻画早熟收敛的两个量 67
4.4 进化规划中防治早熟收敛现象的两种方法 72
4.5 基于Niche-EP的贝叶斯网络学习 76
4.6 基于Restart-EP的贝叶斯网络学习 82
4.7 Niche-EP与Restart-EP的比较分析 86
4.8 本章小结 87
第5章 基于粒子群算法的贝叶斯网络学习 89
5.1 基本粒子群算法 90
5.2 粒子群算法与遗传算法的比较 95
5.3 粒子群算法在实际中的应用 99
5.4 离散粒子群算法 101
5.5 基于离散粒子群算法的贝叶斯网络结构学习 102
5.6 基于改进离散粒子群算法的贝叶斯网络结构学习 107
5.7 Niche-EP、 Restart-EP及离散PSO学习贝叶斯网络结构比较 120
5.8 本章小结 121
第6章 一种从不完备关系数据中学习PRM的方法 123
6.1 背景知识 125
6.2 MLTEC算法 129
6.3 实验测试 134
6.4 本章小结 141
第7章 贝叶斯网络在人口预测与决策中的应用 142
7.1 人口决策分析的基本过程和方法 143
7.2 人口决策系统综合分析 146
7.3 基于贝叶斯网络的人口决策系统指标体系 148
7.4 基于贝叶斯网络的人口决策系统预测模型 156
7.5 本章小结 162
参考文献 164