多源定性概率網(wǎng)模型的融合算法研究

章 緒論
1．1 研究背景
1．2 研究內(nèi)容
1．3 本書結(jié)構(gòu)
第2章 文獻(xiàn)綜述
2．1 0PN模型
2．1．1 基本概念
2．1．2 構(gòu)造方法及問題
2．2 QPN定性推理
2．2．1 符號傳播算法
2．2．2 約簡歧義性的推理方法
2．3 定量概率網(wǎng)融合
2．4 存在的問題
2．5 本書工作思路
第3章 基于定性互信息的多源QPNs符號融合算法
3．1 定性互信息
3．2 歧義性約簡
3．2．1 增強(qiáng)QPN
3．2．2 性質(zhì)分析
3．2．3 約簡算法
3．3 符號融合算法QPNSF
3．4 實(shí)驗(yàn)
3．4．1 歧義性約簡算法實(shí)驗(yàn)
3．4．2 QPNSF融合算法實(shí)驗(yàn)
3．5 小結(jié)
第4章 基于粗糙集的多源QPNs結(jié)構(gòu)融合算法
4．1 粗糙集理論基礎(chǔ)
4．2 相同節(jié)點(diǎn)的結(jié)構(gòu)融合
4．2．1 歧義性約簡
4．2．2 環(huán)路消除
4．2．3 融合算法SNQPNF
4．3 時序環(huán)境相同節(jié)點(diǎn)的結(jié)構(gòu)融合
4．3．1 時變QPN
4．3．2 時變QPN學(xué)習(xí)算法LQPN
4．3．3 多時變QPNs融合算法TQPNF
4．4 不同節(jié)點(diǎn)的結(jié)構(gòu)融合
4．4．1 基本思想
4．4．2 融合算法DNQPNF
4．5 實(shí)驗(yàn)
4．5．1 SNQPNF融合算法實(shí)驗(yàn)
4．5．2 TOPNF融合算法實(shí)驗(yàn)
4．5．3 DNQPNF融合算法實(shí)驗(yàn)
4．6 小結(jié)
第5章 多源QPNs知識在定量BN建模中的應(yīng)用
5．1 BN建模問題捕述
5．2 BN模型及其評價準(zhǔn)則
5．3 面向缺值數(shù)據(jù)的SEM學(xué)習(xí)算法
5．4 基于OPNs的BN模型構(gòu)建算法
5．4．1 基于QPNs知識的BN參數(shù)修正
5．4．2 基于QPNs定性知識的搜索算子
5．4．3 初始網(wǎng)絡(luò)的選擇規(guī)則及其優(yōu)化策略
5．4．4 SEM-MQ算法
5．4．5 時間復(fù)雜性和收斂性
5．5 實(shí)驗(yàn)
5．5．1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集
5．5．2 評估指標(biāo)
5．5．3 SEM-MQ與其他結(jié)構(gòu)學(xué)習(xí)算法的實(shí)驗(yàn)結(jié)果對比與分析
5．5．4 樣本量m與缺值比例r對SEM-MQ實(shí)驗(yàn)結(jié)果的影響
5．6 小結(jié)
第6章 結(jié)語
縮略語
插圖索引
表格索引
附錄A部分實(shí)驗(yàn)代碼
附錄B部分最小樣本實(shí)驗(yàn)數(shù)據(jù)
參考文獻(xiàn)
后記