動態(tài)貝葉斯網絡智能信息處理及應用

第1章 圖模型與貝葉斯網絡
1．1 圖模型簡介
1．2 貝葉斯網絡概述
1．3 貝葉斯網絡理論基礎
1．3．1 靜態(tài)網絡理論基礎
1．3．2 靜態(tài)網絡應用研究
1．4 動態(tài)網絡理論及應用
1．4．1 動態(tài)網絡理論基礎
1．4．2 動態(tài)網絡應用研究
第2章 靜態(tài)貝葉斯網絡
2．1 靜態(tài)貝葉斯置信網絡
2．2 靜態(tài)網絡的推理
2．2．1 證據相關法
2．2．2 證據相關法在目標識別中的應用
第3章 動態(tài)貝葉斯網絡基礎
3．1 概述
3．2 動態(tài)貝葉斯網絡應用研究
3．2．1 動態(tài)時序數據分析與挖掘
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)貝葉斯網絡混合優(yōu)化
3．3 從靜態(tài)網到動態(tài)網
3．3．1 概述
3．3．2 推導
3．3．3 動態(tài)貝葉斯網絡表達
3．4 動態(tài)貝葉斯網絡的研究內容
3．4．1 動態(tài)貝葉斯網絡推理
3．4．2 動態(tài)貝葉斯網絡學習
第4章 動態(tài)貝葉斯網絡相關理論
4．1 估計理論基礎
4．1．1 模型參數估計問題
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)貝葉斯網絡推理
5．1 隱變量離散動態(tài)網絡推理
5．1．1 模型數學描述
5．1．2 隱馬爾可夫的研究內容
5．1．3 一般離散動態(tài)網絡和隱馬爾可夫關系
5．2 隱變量連續(xù)動態(tài)網絡推理
5．2．1 模型數學描述
5．2．2 卡爾曼濾波圖模型推理
5．3 混合隱狀態(tài)動態(tài)貝葉斯網絡
5．3．1 模型數學描述
5．3．2 混合動態(tài)貝葉斯網絡推理
第6章 動態(tài)貝葉斯網絡結構學習算法
6．1 動態(tài)貝葉斯網絡結構度量體制
6．1．1 概述
6．1．2 動態(tài)網絡的貝葉斯信息度量
6．1．3 動態(tài)貝葉斯網絡BD度量
6．2 構建動態(tài)網絡結構尋優(yōu)算法
6．2．1 DBN學習
6．2．2 DBN推理
第7章 動態(tài)貝葉斯網絡結構學習模型
7．1 平穩(wěn)系統(tǒng)動態(tài)網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 貝葉斯網絡局部結構度量數學基礎
參考文獻