貝葉斯網(wǎng)絡(luò)理論及其在軍事系統(tǒng)中的應(yīng)用

第1章 概論
1.1 復(fù)雜系統(tǒng)的決策理論
1.1.1 復(fù)雜決策系統(tǒng)概述
1.1.2 復(fù)雜決策系統(tǒng)的不確定性
1.1.3 復(fù)雜決策系統(tǒng)的決策方法
1.2 貝葉斯網(wǎng)絡(luò)的產(chǎn)生和發(fā)展
1.2.1 貝葉斯網(wǎng)絡(luò)的產(chǎn)生
1.2.2 貝葉斯網(wǎng)絡(luò)的發(fā)展
1.2.3 貝葉斯網(wǎng)絡(luò)的應(yīng)用
1.3 面向復(fù)雜決策系統(tǒng)的貝葉斯網(wǎng)絡(luò)建模
1.3.1 貝葉斯網(wǎng)絡(luò)在決策系統(tǒng)中的應(yīng)用
1.3.2 復(fù)雜決策系統(tǒng)的貝葉斯網(wǎng)絡(luò)建模過程
1.3.3 基于貝葉斯網(wǎng)絡(luò)的知識發(fā)現(xiàn)與決策過程
第2章 貝葉斯網(wǎng)絡(luò)的理論基礎(chǔ)
2.1 貝葉斯網(wǎng)絡(luò)的概率基礎(chǔ)
2.1.1 概率函數(shù)與概率空間
2.1.2 隨機變量與聯(lián)合概率分布
2.1.3 條件概率與獨立性
2.1.4 貝葉斯準則
2.1.5 馬爾科夫性
2.2 貝葉斯網(wǎng)絡(luò)的圖論基礎(chǔ)
2.2.1 圖的基本概念
2.2.2 無向圖模型
2.2.3 有向圖模型
2.2.4 D-分離準則
2.3 貝葉斯網(wǎng)絡(luò)
2.3.1 貝葉斯網(wǎng)絡(luò)的定義
2.3.2 貝葉斯網(wǎng)絡(luò)的語義
2.3.3 貝葉斯網(wǎng)絡(luò)的分類
2.3.4 貝葉斯網(wǎng)絡(luò)的特點
2.4 貝葉斯網(wǎng)絡(luò)模型
2.4.1 貝葉斯網(wǎng)絡(luò)的信息管道模型
2.4.2 貝葉斯網(wǎng)絡(luò)的小球模型
2.5 本章小結(jié)
第3章 貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學習
3.1 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的評價函數(shù)
3.1.1 卡方（X2）度量
3.1.2 信息熵度量
3.1.3 貝葉斯度量（BDe）
3.1.4 最小描述長度度量（MDL）
3.2 完整參數(shù)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學習
3.2.1 基于統(tǒng)計測試的方法
3.2.2 基于搜索記分的方法
3.3 缺失數(shù)據(jù)的貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學習
3.3.1 SEM算法
3.3.2 MCMC算法
3.4 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學習的復(fù)雜性
3.4.1 結(jié)構(gòu)空間的指數(shù)級規(guī)模
3.4.2 結(jié)構(gòu)空間的不連續(xù)性
3.4.3 網(wǎng)絡(luò)結(jié)構(gòu)的無環(huán)假設(shè)
3.4.4 數(shù)據(jù)的不完備性
3.5 本章小結(jié)
第4章 貝葉斯網(wǎng)絡(luò)的參數(shù)學習
4.1 貝葉斯網(wǎng)絡(luò)模型的參數(shù)化表示
4.1.1 二項式模型的參數(shù)化表示
4.1.2 多項式模型的參數(shù)化表示
4.2 完整參數(shù)的貝葉斯網(wǎng)絡(luò)的參數(shù)學習
……
第5章 貝葉斯網(wǎng)絡(luò)的推理
第6章 動態(tài)貝葉斯網(wǎng)絡(luò)技術(shù)
第7章 貝葉斯網(wǎng)絡(luò)的擴展模型
第8章 基于貝葉斯網(wǎng)絡(luò)的優(yōu)化技術(shù)
第9章 貝吐斯網(wǎng)絡(luò)在目標融合識別中的應(yīng)用
第10章 貝葉斯網(wǎng)絡(luò)在態(tài)勢/威脅融合估計中的應(yīng)用
第11章 貝葉斯優(yōu)化算法在無人機對地攻擊任務(wù)分配中的應(yīng)用
第12章 貝葉斯網(wǎng)絡(luò)在無人機對地攻擊戰(zhàn)術(shù)決策中的應(yīng)用
第13章 貝葉斯網(wǎng)絡(luò)在無人機對地攻擊損傷評估中的應(yīng)用