离散动态贝叶斯网路推理及其套用

文章插图
离散动态贝叶斯网路推理及其套用【离散动态贝叶斯网路推理及其套用】《离散动态贝叶斯网路推理及其套用》是国防工业出版社于2016年出版的图书，作者是高晓光、陈海洋。
基本介绍书名：离散动态贝叶斯网路推理及其套用
作者：高晓光、陈海洋
ISBN：9787118101591
页数：175
定价：79.00
出版社：国防工业出版社
出版时间：2016-3-1
装帧：精装
开本：16开
字数：215000
内容简介贝叶斯网路起源于20世纪80年代中期对人工智慧中的不确定性问题的研究，已成为人工智慧的一个重要领域，对统计学、系统工程、资讯理论、模式识别等学科产生了重要的影响。被广泛套用于医疗诊断、工业套用、金融分析、计算机系统、军事套用、生物信息等领域。《离散动态贝叶斯网路推理及其套用》以无人机的智慧型决策为背景，系统论述了离散动态贝叶斯网路的基本理论、算法及其套用的中文专着。《离散动态贝叶斯网路推理及其套用》共分7章，内容涵盖了贝叶斯网路的基础知识、离散动态贝叶斯网路的精确推理、离散动态贝叶斯网路的近似推理、变结构动态贝叶斯网路的推理、离散动态贝叶斯网路缺失数据的修补及离散动态贝叶斯网路在无人机自主智慧型决策中的套用。《离散动态贝叶斯网路推理及其套用》从实例出发，由浅入深，直观与严谨相结合，并提供详尽的参考文献。《离散动态贝叶斯网路推理及其套用》适用于相关专业的高年级本科生、研究生和科研人员。作者简介高晓光，辽宁鞍山人，1957年生，博士。西北工业大学教授、博士生导师，国家示範型国际科技合作基地“飞行器综合体效能分析国际科技合作基地”主任、教育部重点实验室“空天电子信息感知与光电控制”实验室主任。中国指挥与控制学会常务理事。长期从事贝叶斯网路、飞行器智慧型决策系统和效能评估技术研究，主持并完成国家自然科学基金、装备预研等项目20余项。获省部级科技进步奖6项。出版学术专着3部，在国内外重要期刊和学术会议上发表论文150余篇，SCI/EI检索100余篇。陈海洋，陕西户县人，1967年生，博士。西安工程大学讲师、硕士生导师，长期从事人工智慧、贝叶斯网路的理论与套用研究，参与三项有关贝叶斯网路智慧型决策方面的国家自然科学基金研究，在动态贝叶斯网路推理算法的研究上取得了一些原创性的研究成果。先后主持和参与各类研究项目10项。出版教材2部、学术专着1部，发表论文20余篇，SCI/EI检索10余篇。目录第1章无人机自主决策与贝叶斯网路11.1 无人机自主决策11.2 无人机自主决策中的几种人工智慧方法对比41.3 贝叶斯网路的研究现状71.3.1 贝叶斯网路信息表达91.3.2 贝叶斯网路推理方法101.3.3 动态贝叶斯网路研究现状151.3.4 变结构动态贝叶斯网路研究现状17第2章贝叶斯网路及其推理182.1 贝叶斯网路基础182.1.1 节点及其取值192.1.2 结构202.1.3 参数202.2 贝叶斯网路的特性212.2.1 条件独立性212.2.2 有向分隔242.3 贝叶斯网路推理的基本类型252.4 单连通网路的精确推理262.4.1 单连通网路和多连通网路272.4.2 讯息传播算法272.4.3 算例292.5 多连通网路的精确推理342.5.1 联接树算法基本流程352.5.2 算例372.5.3 算法分析392.6 不确定证据的推理402.6.1 证据类型402.6.2 虚拟节点402.6.3 讯息传播算法中不确定证据的推理422.6.4 联接树算法中不确定证据的推理43第3章离散动态贝叶斯网路及其精确推理443.1 动态贝叶斯网路443.1.1 动态贝叶斯网路的定义及表示443.1.2 动态贝叶斯网路推理的基本任务463.2 前向后向算法473.2.1 算法描述473.2.2 算例493.3 改进的前向后向算法及複杂度分析503.3.1 算法描述513.3.2 複杂度分析533.3.3 算例533.4 快速前向后向算法573.4.1 算法描述573.4.2 複杂度分析593.5 基于双向计算因子的前向后向算法593.5.1 双向计算因子的定义593.5.2 算法描述593.5.3 複杂度分析603.5.4 算例613.6 接口算法633.6.1 接口算法描述633.6.2 複杂度分析673.7 离散动态贝叶斯网路的直接计算推理算法673.7.1 直接计算推理算法基础673.7.2 传统离散动态贝叶斯网路的数据结构683.7.3 算法描述703.7.4 複杂度分析713.7.5 算例713.8 离散模糊动态贝叶斯网路及其推理743.8.1 模糊分类753.8.2 算法描述763.8.3 複杂度分析773.8.4 算例77第4章离散动态贝叶斯网路的近似推理814.1 时间窗和时间窗宽度的基本概念814.2 基于时间窗的直接计算推理算法834.2.1 算法的基本思想834.2.2 算法描述834.2.3 複杂度分析874.3 基于时间窗的前向后向算法874.3.1 算法的基本思想874.3.2 算法描述884.3.3 複杂度分析914.4 基于时间窗的接口算法914.4.1 算法描述914.4.2 複杂度分析934.5 算例94第5章变结构动态贝叶斯网路的推理965.1 概述965.2 变结构动态贝叶斯网路的定义及其性质975.2.1 变结构动态贝叶斯网路的定义975.2.2 变结构动态贝叶斯网路的性质985.3 变结构离散动态贝叶斯网路推理算法985.3.1 算法描述985.3.2 複杂度分析1005.4 变结构离散动态贝叶斯网路的快速推理算法1005.4.1 算法描述1005.4.2 複杂度分析1015.5 变结构离散动态贝叶斯网路的递推推理算法1015.5.1 算法的基本思想1015.5.2 算法描述1015.5.3 複杂度分析1055.6 基于时间窗的变结构离散动态贝叶斯网路递推推理算法1055.6.1 算法的基本思想1055.6.2 算法描述1065.6.3 複杂度分析1085.7 数据缺失动态贝叶斯网路模型1085.8 变结构离散动态贝叶斯网路参数的自适应产生算法1095.9 基于模组化离散动态贝叶斯网路的空中飞机编队识别 1115.9.1 空中飞机编队的分类识别问题1125.9.2 空中目标识别子网模型的引入1135.9.3 识别飞机编队的变结构离散动态贝叶斯网路结构模型1145.9.4 模型参数的设定1155.9.5 仿真实验116第6章离散动态贝叶斯网路缺失数据的修补1206.1 基于数据修补的离散动态贝叶斯网路结构模型1206.2 前向信息修补算法1226.2.1 算法的基本思想1226.2.2 算法描述1226.3 改进的前向信息修补算法1256.3.1 离散动态贝叶斯网路缺失数据的两种形式1266.3.2 算法描述1266.4 前向后向信息修补算法1276.4.1 算法的基本思想127 6.4.2 算法描述1286.5 混合信息修补算法1316.5.1 算法的基本思想1316.5.2 算法描述132第7章基于离散动态贝叶斯网路的无人机智慧型决策1357.1 无人机自主智慧型决策概述1357.2 无人机自主威胁源分类识别1357.2.1 问题描述1357.2.2 威胁源分类识别问题中贝叶斯网路分类器的引入1387.2.3 雷达侦察条件下的贝叶斯网路分类器1397.2.4 基于离散动态贝叶斯网路的威胁源类型识别1417.3 无人机自主作战下的威胁等级评估和编队内任务决策1477.3.1 问题的提出1477.3.2 威胁等级评估的离散动态贝叶斯网路1487.3.3 编队内任务决策的离散动态贝叶斯网路1497.3.4 仿真算例1557.4 无人机自主作战条件下的目标选择决策1607.4.1 基于变结构离散动态贝叶斯网路的目标选择决策1607.4.2 基于变结构贝叶斯网路的目标选择决策仿真实例162参考文献 165后记 174"