第1章 绪论

 1.1 研究背景及意义

 1.2 研究现状分析

1.2.1 数据密集型计算的研究现状

1.2.2 贝叶斯网的研究现状

1.2.3 研究内容的必要性

 1.3 全书主要工作

 1.4 全书组织结构

第2章 数据密集型计算和贝叶斯网

 2.1 数据密集型计算简介

2.1.1 数据密集型计算概念

2.1.2 数据密集型计算面临的挑战

2.1.3 数据密集型计算的典型应用

 2.2 贝叶斯网简介

2.2.1 贝叶斯网络概念

2.2.2 贝叶斯网络学习

2.2.3 贝叶斯网络推理

2.2.4 贝叶斯网络的应用

第3章 数据密集型计算环境下贝叶斯网的学习方法

 3.1 传统贝叶斯网的学习方法

 3.2 传统学习方法在数据密集型计算环境下面临的问题

 3.3 数据密集型计算环境下的贝叶斯网学习方法

第4章 数据密集型计算环境下贝叶斯网的推理方法

 4.1 传统贝叶斯网的推理方法

 4.2 传统推理方法在数据密集型计算环境下面临的问题

 4.3 数据密集型计算环境下的贝叶斯网推理方法

第5章 数据密集型计算环境下贝叶斯网的应用——社区发现

 5.1 问题的提出

 5.2 本方法的基本思想

5.2.1 数据密集型计算环境下的频繁项目集融合方法

5.2.2 数据密集型计算环境下构建基于频繁项集的基础网络

5.2.3 数据密集型计算环境下根据构建的网络来进行社区发现

 5.3 实验模型

 5.4 实验结果及分析

结束语

参考文献

马冯、贝叶斯推断编著的《数据密集型计算环境下贝叶斯网的学习推理及应用》是一本学术专著。全书内容共分为5章，在阐述数据密集型计算原理的基础上，以贝叶斯网为主要数据分析工具，详细阐述了在数据密集型计算环境下，贝叶斯网络在结构学习，推理方面与传统单机数据模式下的区别与联系。同时，本书还以社区发现这一热门研究问题为例，阐述了新的理念。本书融入大量的实例，结合了最新的学术研究成果，体现了前沿性特点，可为相关研究者提供参考。