貝葉斯網(wǎng)基礎(chǔ)及應(yīng)用

第一章 緒論
第二章 貝葉斯網(wǎng)入門
2．1 簡介
2．1．1 專家系統(tǒng)
2．1．2 不確定性推理
2．1．3 隨機變量的獨立性
2．2 貝葉斯網(wǎng)基礎(chǔ)
2．2．1 貝葉斯網(wǎng)的概念
2．2．2 貝葉斯網(wǎng)的結(jié)構(gòu)
2．2．3 貝葉斯網(wǎng)的參數(shù)
2．2．4 樸素貝葉斯模型
2．3 貝葉斯網(wǎng)的性質(zhì)
2．3．1 圖中的獨立性
2．3．2 d-分割
2．3．3 u-分割
2．4 基于MATLAB的貝葉斯網(wǎng)絡(luò)工具箱
2．4．1 BNT中的算法函數(shù)
2．4．2 貝葉斯工具箱的安裝
2．4．3 建立貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)
第三章 精確推理之變量消元
3．1 變量消元算法
3．1．1 引例
3．1．2 消元算法
3．1．3 圖結(jié)構(gòu)消元
3．1．4 消元運算的復雜度
3．2 變量消元順序
3．2．1 最大基數(shù)搜索
3．2．2 最小缺邊數(shù)搜索
3．3 其他簡化方法
第四章 精確推理之團樹
4．1 團樹的基本概念
4．2 團樹的構(gòu)造
4．2．1 三角化法構(gòu)造團樹
4．2．2 消元法構(gòu)造團樹
4．3 單變量后驗概率
4．4 消息傳遞
4．5 團樹推理
4．6 MATLAB實現(xiàn)
第五章 帶有隱變量的模型學習
5．1 基本概念
5．2 單個隱變量模型
5．2．1 單個隱變量模型的正則性
5．2．2 單個隱變量模型學習算法
5．3 分層隱變量模型
5．3．1 無根的HLC模型
5．3．2 HLC模型的正則性
5．3．3 正則模型空間
5．3．4 學習算法
5．4 MATLAB實現(xiàn)
第六章 貝葉斯網(wǎng)的應(yīng)用
6．1 樸素貝葉斯分類器用于文本分類
6．2 MATLAB環(huán)境下利用樸素貝葉斯分類器診斷肺癌病人
6．3 不平衡數(shù)據(jù)集上的Relief特征選擇算法
參考文獻