- 武汉大学出版社
- 9787307206168
- 273795
- 2019-05
作者简介
内容简介
本书主要从贝叶斯网络的概念、发展、推理、应用等方面做了详细的介绍，具体包括叶斯网的基础与性质，精确推理之变量消元，精确推理之团树，带有隐变量的模型学习以及贝叶斯网用于文本分类和MATLAB环境下利用朴素贝叶斯分类器诊断肺癌病人。
目录
第一章 绪论
第二章 贝叶斯网入门
2．1 简介
2．1．1 专家系统
2．1．2 不确定性推理
2．1．3 随机变量的独立性
2．2 贝叶斯网基础
2．2．1 贝叶斯网的概念
2．2．2 贝叶斯网的结构
2．2．3 贝叶斯网的参数
2．2．4 朴素贝叶斯模型
2．3 贝叶斯网的性质
2．3．1 图中的独立性
2．3．2 d-分割
2．3．3 u-分割
2．4 基于MATLAB的贝叶斯网络工具箱
2．4．1 BNT中的算法函数
2．4．2 贝叶斯工具箱的安装
2．4．3 建立贝叶斯网络结构
第三章 精确推理之变量消元
3．1 变量消元算法
3．1．1 引例
3．1．2 消元算法
3．1．3 图结构消元
3．1．4 消元运算的复杂度
3．2 变量消元顺序
3．2．1 最大基数搜索
3．2．2 最小缺边数搜索
3．3 其他简化方法
第四章 精确推理之团树
4．1 团树的基本概念
4．2 团树的构造
4．2．1 三角化法构造团树
4．2．2 消元法构造团树
4．3 单变量后验概率
4．4 消息传递
4．5 团树推理
4．6 MATLAB实现
第五章 带有隐变量的模型学习
5．1 基本概念
5．2 单个隐变量模型
5．2．1 单个隐变量模型的正则性
5．2．2 单个隐变量模型学习算法
5．3 分层隐变量模型
5．3．1 无根的HLC模型
5．3．2 HLC模型的正则性
5．3．3 正则模型空间
5．3．4 学习算法
5．4 MATLAB实现
第六章 贝叶斯网的应用
6．1 朴素贝叶斯分类器用于文本分类
6．2 MATLAB环境下利用朴素贝叶斯分类器诊断肺癌病人
6．3 不平衡数据集上的Relief特征选择算法
参考文献
第二章 贝叶斯网入门
2．1 简介
2．1．1 专家系统
2．1．2 不确定性推理
2．1．3 随机变量的独立性
2．2 贝叶斯网基础
2．2．1 贝叶斯网的概念
2．2．2 贝叶斯网的结构
2．2．3 贝叶斯网的参数
2．2．4 朴素贝叶斯模型
2．3 贝叶斯网的性质
2．3．1 图中的独立性
2．3．2 d-分割
2．3．3 u-分割
2．4 基于MATLAB的贝叶斯网络工具箱
2．4．1 BNT中的算法函数
2．4．2 贝叶斯工具箱的安装
2．4．3 建立贝叶斯网络结构
第三章 精确推理之变量消元
3．1 变量消元算法
3．1．1 引例
3．1．2 消元算法
3．1．3 图结构消元
3．1．4 消元运算的复杂度
3．2 变量消元顺序
3．2．1 最大基数搜索
3．2．2 最小缺边数搜索
3．3 其他简化方法
第四章 精确推理之团树
4．1 团树的基本概念
4．2 团树的构造
4．2．1 三角化法构造团树
4．2．2 消元法构造团树
4．3 单变量后验概率
4．4 消息传递
4．5 团树推理
4．6 MATLAB实现
第五章 带有隐变量的模型学习
5．1 基本概念
5．2 单个隐变量模型
5．2．1 单个隐变量模型的正则性
5．2．2 单个隐变量模型学习算法
5．3 分层隐变量模型
5．3．1 无根的HLC模型
5．3．2 HLC模型的正则性
5．3．3 正则模型空间
5．3．4 学习算法
5．4 MATLAB实现
第六章 贝叶斯网的应用
6．1 朴素贝叶斯分类器用于文本分类
6．2 MATLAB环境下利用朴素贝叶斯分类器诊断肺癌病人
6．3 不平衡数据集上的Relief特征选择算法
参考文献
