動態(tài)貝葉斯網(wǎng)絡(luò)智能信息處理及應用

第1章 圖模型與貝葉斯網(wǎng)絡(luò)
1．1 圖模型簡介
1．2 貝葉斯網(wǎng)絡(luò)概述
1．3 貝葉斯網(wǎng)絡(luò)理論基礎(chǔ)
1．3．1 靜態(tài)網(wǎng)絡(luò)理論基礎(chǔ)
1．3．2 靜態(tài)網(wǎng)絡(luò)應用研究
1．4 動態(tài)網(wǎng)絡(luò)理論及應用
1．4．1 動態(tài)網(wǎng)絡(luò)理論基礎(chǔ)
1．4．2 動態(tài)網(wǎng)絡(luò)應用研究
第2章 靜態(tài)貝葉斯網(wǎng)絡(luò)
2．1 靜態(tài)貝葉斯置信網(wǎng)絡(luò)
2．2 靜態(tài)網(wǎng)絡(luò)的推理
2．2．1 證據(jù)相關(guān)法
2．2．2 證據(jù)相關(guān)法在目標識別中的應用
第3章 動態(tài)貝葉斯網(wǎng)絡(luò)基礎(chǔ)
3．1 概述
3．2 動態(tài)貝葉斯網(wǎng)絡(luò)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(luò)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(luò)表達
3．4 動態(tài)貝葉斯網(wǎng)絡(luò)的研究內(nèi)容
3．4．1 動態(tài)貝葉斯網(wǎng)絡(luò)推理
3．4．2 動態(tài)貝葉斯網(wǎng)絡(luò)學習
第4章 動態(tài)貝葉斯網(wǎng)絡(luò)相關(guān)理論
4．1 估計理論基礎(chǔ)
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(quán)線性小方差融合準則和算法
4．3．2 按標量加權(quán)線性小方差信息融合準則和算法
4．3．3 按對角陣加權(quán)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(luò)推理
5．1 隱變量離散動態(tài)網(wǎng)絡(luò)推理
5．1．1 模型數(shù)學描述
5．1．2 隱馬爾可夫的研究內(nèi)容
5．1．3 一般離散動態(tài)網(wǎng)絡(luò)和隱馬爾可夫關(guān)系
5．2 隱變量連續(xù)動態(tài)網(wǎng)絡(luò)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(luò)
5．3．1 模型數(shù)學描述
5．3．2 混合動態(tài)貝葉斯網(wǎng)絡(luò)推理
第6章 動態(tài)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學習算法
6．1 動態(tài)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)度量體制
6．1．1 概述
6．1．2 動態(tài)網(wǎng)絡(luò)的貝葉斯信息度量
6．1．3 動態(tài)貝葉斯網(wǎng)絡(luò)BD度量
6．2 構(gòu)建動態(tài)網(wǎng)絡(luò)結(jié)構(gòu)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(luò)結(jié)構(gòu)學習模型
7．1 平穩(wěn)系統(tǒng)動態(tài)網(wǎng)絡(luò)結(jié)構(gòu)學習模型設(shè)計
7．1．1 模型設(shè)計
……
第8章 基于動態(tài)貝葉斯網(wǎng)絡(luò)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(luò)局部結(jié)構(gòu)度量數(shù)學基礎(chǔ)
參考文獻