论文部分内容阅读
该文以不确定性知识表示和处理的研究为背景,开展了Bayesian网学习算法研究.研究思路为:理论和实验验证相结合,在分析Bayesian网学习方法、研究现状和研究热点的基础上,运用遗传算法,重点研究了不完备数据下Bayesian网结构学习、动态Bayesian网学习、Bayesian网增量学习及Bayesian网中连续变量离散化等问题.该文的研究结果对于不确定性处理、Bayesian网和Bayesian网学习等研究方面都很有理论意义和应用价值.