离散动态贝叶斯网络推理及其应用

第1章 无人机自主决策与贝叶斯网络1．1 无人机自主决策1．2 无人机自主决策中的几种人工智能方法对比1．3 贝叶斯网络的研究现状1．3．1 贝叶斯网络信息表达1．3．2 贝叶斯网络推理方法1．3．3 动态贝叶斯网络研究现状1．3．4 变结构动态贝叶斯网络研究现状第2章 贝叶斯网络及其推理2．1 贝叶斯网络基础2．1．1 节点及其取值2．1．2 结构2．1．3 参数2．2 贝叶斯网络的特性2．2．1 条件独立性2．2．2 有向分隔2．3 贝叶斯网络推理的基本类型2．4 单连通网络的推理2．4．1 单连通网络和多连通网络2．4．2 消息传播算法2．4．3 算例2．5 多连通网络的推理2．5．1 联接树算法基本流程2．5．2 算例2．5．3 算法分析2．6 不确定证据的推理2．6．1 证据类型2．6．2 虚拟节点2．6．3 消息传播算法中不确定证据的推理2．6．4 联接树算法中不确定证据的推理第3章 离散动态贝叶斯网络及其推理3．1 动态贝叶斯网络3．1．1 动态贝叶斯网络的定义及表示3．1．2 动态贝叶斯网络推理的基本任务3．2 前向后向算法3．2．1 算法描述3．2．2 算例3．3 改进的前向后向算法及复杂度分析3．3．1 算法描述3．3．2 复杂度分析3．3．3 算例3．4 快速前向后向算法3．4．1 算法描述3．4．2 复杂度分析3．5 基于双向计算因子的前向后向算法3．5．1 双向计算因子的定义3．5．2 算法描述3．5．3 复杂度分析3．5．4 算例3．6 接口算法3．6．1 接口算法描述3．6．2 复杂度分析3．7 离散动态贝叶斯网络的直接计算推理算法3．7．1 直接计算推理算法基础3．7．2 传统离散动态贝叶斯网络的数据结构3．7．3 算法描述3．7．4 复杂度分析3．7．5 算例3．8 离散模糊动态贝叶斯网络及其推理3．8．1 模糊分类3．8．2 算法描述3．8．3 复杂度分析3．8．4 算例第4章 离散动态贝叶斯网络的近似推理4．1 时间窗和时间窗宽度的基本概念……第5章 变结构动态贝叶斯网络的推理第6章 离散动态贝叶斯网络缺失数据的修补第7章 基于离散动态贝叶斯网络的无人机智能决策参考文献后记