動態(tài)貝葉斯網(wǎng)絡智能信息處理及應用

第1章 圖模型與貝葉斯網(wǎng)絡
1．1 圖模型簡介
1．2 貝葉斯網(wǎng)絡概述
1．3 貝葉斯網(wǎng)絡理論基礎
1．3．1 靜態(tài)網(wǎng)絡理論基礎
1．3．2 靜態(tài)網(wǎng)絡應用研究
1．4 動態(tài)網(wǎng)絡理論及應用
1．4．1 動態(tài)網(wǎng)絡理論基礎
1．4．2 動態(tài)網(wǎng)絡應用研究
第2章 靜態(tài)貝葉斯網(wǎng)絡
2．1 靜態(tài)貝葉斯置信網(wǎng)絡
2．2 靜態(tài)網(wǎng)絡的推理
2．2．1 證據(jù)相關法
2．2．2 證據(jù)相關法在目標識別中的應用
第3章 動態(tài)貝葉斯網(wǎng)絡基礎
3．1 概述
3．2 動態(tài)貝葉斯網(wǎng)絡應用研究
3．2．1 動態(tài)時序數(shù)據(jù)分析與挖掘
3．2．2 無人機的態(tài)勢感知與路徑規(guī)劃
3．2．3 進化算法與動態(tài)貝葉斯網(wǎng)絡混合優(yōu)化
3．3 從靜態(tài)網(wǎng)到動態(tài)網(wǎng)
3．3．1 概述
3．3．2 推導
3．3．3 動態(tài)貝葉斯網(wǎng)絡表達
3．4 動態(tài)貝葉斯網(wǎng)絡的研究內容
3．4．1 動態(tài)貝葉斯網(wǎng)絡推理
3．4．2 動態(tài)貝葉斯網(wǎng)絡學習
第4章 動態(tài)貝葉斯網(wǎng)絡相關理論
4．1 估計理論基礎
4．1．1 模型參數(shù)估計問題
4．1．2 狀態(tài)估計問題
4．1．3 信息融合估計問題
4．2 卡爾曼濾波器線性系統(tǒng)濾波和預測
4．2．1 直觀法證明卡爾曼濾波公式
4．2．2 正交投影理論證明卡爾曼濾波
4．3 基于卡爾曼濾波的信息融合濾波理論
4．3．1 按矩陣加權線性小方差融合準則和算法
4．3．2 按標量加權線性小方差信息融合準則和算法
4．3．3 按對角陣加權線性小方差化融合估計準則和算法
第5章 動態(tài)貝葉斯網(wǎng)絡推理
5．1 隱變量離散動態(tài)網(wǎng)絡推理
5．1．1 模型數(shù)學描述
5．1．2 隱馬爾可夫的研究內容
5．1．3 一般離散動態(tài)網(wǎng)絡和隱馬爾可夫關系
5．2 隱變量連續(xù)動態(tài)網(wǎng)絡推理
5．2．1 模型數(shù)學描述
5．2．2 卡爾曼濾波圖模型推理
5．3 混合隱狀態(tài)動態(tài)貝葉斯網(wǎng)絡
5．3．1 模型數(shù)學描述
5．3．2 混合動態(tài)貝葉斯網(wǎng)絡推理
第6章 動態(tài)貝葉斯網(wǎng)絡結構學習算法
6．1 動態(tài)貝葉斯網(wǎng)絡結構度量體制
6．1．1 概述
6．1．2 動態(tài)網(wǎng)絡的貝葉斯信息度量
6．1．3 動態(tài)貝葉斯網(wǎng)絡BD度量
6．2 構建動態(tài)網(wǎng)絡結構尋優(yōu)算法
6．2．1 DBN學習
6．2．2 DBN推理
第7章 動態(tài)貝葉斯網(wǎng)絡結構學習模型
7．1 平穩(wěn)系統(tǒng)動態(tài)網(wǎng)絡結構學習模型設計
7．1．1 模型設計
……
第8章 基于動態(tài)貝葉斯網(wǎng)絡的自主控制
第9章 無人機自主控制應用研究
第10章 動態(tài)貝葉斯圖模型在人機交互中的應用
附錄 貝葉斯網(wǎng)絡局部結構度量數(shù)學基礎
參考文獻