贝叶斯网引论

图书标准信息

• 作者 张连文、郭海鹏 著
• 出版社 科学出版社
• 出版时间 2006-11
• 版次 1
• ISBN 9787030181701
• 定价 58.00元
• 装帧 精装
• 开本 其他
• 纸张 胶版纸
• 页数 290页
• 字数 360千字

【内容简介】

　　贝叶斯网是将概率、统计应用于复杂系统的不确定性推理和数据分析的一种有效工具，它起源于20世纪80年代中期对人工智能中的不确定性问题的研究，近年来在国际上的影响不断扩大。本书是第一本系统论述贝叶斯网的基本理论、算法及其应用的中文专著。内容包括概率论及贝叶斯网基本概念、贝叶斯网推理、贝叶斯网学习，以及贝叶斯网在中医中的应用四大部分。本书从实例出发，由浅入深，直观与严谨相结合，并提供了详尽的参考文献。本书的读者对象是相关专业的高年级本科生、研究生和科研人员。

【目录】

第一部分贝叶斯网基础
第1章概率论基础
1.1随机事件与随机变量
1.2概率的解释
1.3多元概率分布
1.4概率论与人工智能
1.5信息论基础
第2章贝叶斯网
2.1不确定性推理与联合概率分布
2.2条件独立与联合分布的分解
2.3贝叶斯网的概念
2.4贝叶斯网的构造
2.5贝叶斯网的应用
2.6贝叶斯网对其它领域的影响
2.7文献介绍
第3章图分隔与变量独立
3.1直观分析
3.2有向分隔与条件独立
3.3有向分隔与无向分隔
3.4有向无圈图与联合概率分布
3.5文献介绍
第二部分贝叶斯网推理
第4章贝叶斯网与概率推理
4.1推理问题
4.2变量消元算法
4.3复杂度分析
4.4消元顺序
4.5推理问题简化
4.6MAP假设问题
4.7文献介绍
第5章团树传播算法
5.1团树
5.2一个变量后验概率的计算
5.3团树传播的正确性
5.4团树传播与计算共享
5.5每个变量的后验概率的计算
5.6团树的构造
5.7文献介绍
第6章近似推理
6.1随机抽样算法
6.2变分法
6.3其它近似推理算法
6.4文献介绍
第三部分贝叶斯网学习
第7章参数学习
7.1贝叶斯网与数据分析
7.2单参数最大似然估计
7.3单参数贝叶斯估计
7.4单变量网络参数估计
7.5一般网络最大似然估计
7.6一般网络贝叶斯估计
7.7缺值数据最大似然估计
7.8缺值数据贝叶斯估计
7.9文献介绍
第8章结构学习
8.1似然函数与模型选择
8.2贝叶斯模型选择
8.3大样本模型选择
8.4其它模型选择标准
8.5模型优化
8.6缺值数据结构学习
8.7文献介绍
第9章隐结构模型学习
9.1隐变量与隐变量模型
9.2可分辨性及几个相关概念
9.3隐变量模型选择
9.4隐类模型
9.5多层隐类模型
9.6多层隐类模型学习算法
9.7文献介绍
第四部分贝叶斯网应用
第10章隐结构模型与中医辨证
10.1中医辨证的客观化、定量化
10.2肾虚数据收集
10.3数据分析原理
10.4肾虚数据分析
10.5结果模型定性内容的质量
10.6结果模型定量内容的质量
10.7结果模型与辨证论治
10.8模型辨证的质量
10.9讨论
参考文献
英汉词汇对照
索引