贝叶斯网络学习、推理与应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

贝叶斯网络学习、推理与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分　贝叶斯网络基础第1章　概率论基础3

1.1　概率计算公式3

1.2　贝叶斯方法5

1.3　贝叶斯概率6

第2章　贝叶斯网络基础理论9

2.1　概率模式中的条件独立性9

2.2　图形模式中的d-separation性10

2.3　条件独立性与d-separation性之间的联系11

2.4　贝叶斯网络基本定理12

2.5　贝叶斯网络模型12

2.6　变量之间基本依赖关系和结点之间基本结构14

第3章　常用的检验方法和评价标准15

3.1　变量之间依赖关系检验15

3.2　贝叶斯网络结构常用打分标准18

3.3　分类准确性评价标准24

3.4　贝叶斯网络学习可靠性评价标准28

第二部分　贝叶斯网络学习第4章　具有完整数据的贝叶斯网络学习31

4.1　基于打分-搜索的贝叶斯网络结构学习31

4.2　基于依赖分析的贝叶斯网络结构学习36

第5章　具有丢失数据的贝叶斯网络学习45

5.1　基于近似打分-搜索的结构学习45

5.2 基于Gibbs sampling和依赖分析的贝叶斯网络结构学习48

第6章　具有隐藏变量的贝叶斯网络学习55

6.1　不考虑隐藏变量的贝叶斯网络结构和道德图学习55

6.2　发现隐藏变量56

6.3　确定隐藏变量取值和维数58

6.4　确定局部结构60

6.5　实验与分析60

第7章　具有连续变量的贝叶斯网络学习63

7.1　不离散化连续变量的贝叶斯网络学习63

7.2　离散化连续变量的贝叶斯网络学习66

第8章　具有噪声的贝叶斯网络学习78

8.1　噪声平滑方法79

8.2　噪声平滑过程80

8.3　实验与分析82

第9章　小数据集贝叶斯网络学习87

9.1　小数据集贝叶斯网络结构学习88

9.2　小数据集贝叶斯网络多父结点参数的修复96

第10章　贝叶斯网络更新学习103

10.1　贝叶斯网络增量学习103

10.2　贝叶斯网络适应性学习110

第三部分　贝叶斯网络推理第11章　贝叶斯网络基本推理117

11.1　统计推断117

11.2　贝叶斯网络中的信念更新119

11.3　贝叶斯网络中的信念修正132

第12章　贝叶斯网络分类推理136

12.1　贝叶斯分类器137

12.2　朴素贝叶斯分类器140

12.3　广义朴素贝叶斯分类器144

12.4　TAN分类器146

12.5　贝叶斯网络分类器153

12.6　基于类约束的贝叶斯网络分类器156

12.7　基于贝叶斯网络的特征子集选择158

12.8　分类器的训练与泛化172

12.9　基于贝叶斯网络的联合预测174

第四部分　贝叶斯网络集成第13章　因果贝叶斯网络177

13.1　单连通因果网学习178

13.2　基于依赖分析的因果贝叶斯网络结构学习178

13.3　基于结点排序和局部打分-搜索的因果贝叶斯网络结构学习185

13.4　因果贝叶斯网络参数学习188

13.5　基于贝叶斯网络的因果知识表示189

13.6　因果量化分析189

第14章　决策贝叶斯网络191

14.1　影响图的构成191

14.2　影响图的基本变换和最优决策192

14.3　影响图举例193

第15章　可能贝叶斯网络198

15.1　可能网的概念198

15.2　可能网结构学习202

第16章　动态贝叶斯网络204

16.1　一般动态贝叶斯网络204

16.2　具有平稳性和马尔可夫性假设约束的动态贝叶斯网络205

16.3　几种特殊的动态贝叶斯网络210

16.4　动态贝叶斯网络分类器211

第五部分　贝叶斯网络应用第17章　贝叶斯网络用于聚类分析217

17.1　离散数据聚类217

17.2 自动混合数据聚类——AutoClass222

17.3　基于Gibbs sampling的混合数据聚类225

第18章　贝叶斯网络用于预测235

18.1　经济周期波动转折点预测235

18.2　风险预警236

18.3　风险评估244

附录　常用贝叶斯网络250

参考文献270