第1章 绪论 1
1.1不确定性建模理论 3
1.1.1不确定性分类 3
1.1.2不确定性处理 5
1.2不确定性推理方法 8
1.2.1主要的不确定性推理方法 8
1.2.2贝叶斯网络与影响图 10
1.3证据理论相关研究现状 12
1.3.1 D-S证据理论的提出 12
1.3.2 D-S证据理论综述 15
1.3.3证据推理 16
1.3.4证据网络 17
1.3.5证据理论与风险决策 18
1.4存在的问题 19
1.5本书主要内容及安排 20
1.5.1研究思路 20
1.5.2研究内容 21
第2章 证据网络模型 23
2.1证据理论与图模型基础 23
2.1.1 D-S证据理论 23
2.1.2图模型 29
2.2证据网络模型的定义 31
2.2.1证据网络的概念 31
2.2.2证据网络的特点 32
2.2.3证据网络建模过程 33
2.3证据网络模型的结构 34
2.3.1结点之间的关系 34
2.3.2基于树模型的证据网络结构建模 35
2.3.3基于因果关系图的证据网络结构建模 37
2.4证据网络模型的参数 39
2.4.1知识表示模型 39
2.4.2证据网络参数的条件信度表示 40
2.4.3证据网络参数的信度规则表示 41
2.5小结 44
第3章 条件信度参数模型下的证据网络推理 45
3.1条件信度参数模型下的证据网络推理问题 45
3.1.1推理问题 45
3.1.2研究思路 46
3.2证据网络条件信度推理方法 47
3.2.1条件信度函数计算基础理论 47
3.2.2证据网络条件信度的正向推理 53
3.2.3证据网络条件信度的反向推理 54
3.2.4证据网络条件信度的乘积规则 55
3.2.5证据网络条件信度推理算例 56
3.3证据网络信度合成方法 58
3.3.1信度合成悖论分析 59
3.3.2一种新的证据冲突度量方法 60
3.3.3基于冲突度量的信度合成方法 64
3.4证据网络在航天系统安全性分析中的应用 66
3.5小结 71
第4章 信度规则参数模型下的证据网络推理 72
4.1信度规则参数模型下的证据网络推理问题 72
4.1.1推理问题 72
4.1.2研究思路 73
4.2不完全信息情况下结点权重获取方法 73
4.2.1偏好关系的定义与表示 74
4.2.2基于目标规划的权重获取方法 74
4.2.3结点权重获取的数值算例 77
4.3基于ER的证据网络推理方法 79
4.3.1信度结构数据转化 79
4.3.2信度规则的激活 81
4.3.3证据网络信度规则推理与合成算法 83
4.3.4证据网络信度规则推理结果分析 86
4.4证据网络在军事威胁评估与预测中的应用 87
4.5小结 90
第5章 证据网络参数学习 92
5.1证据网络参数学习问题 92
5.1.1参数学习的研究思路 92
5.1.2参数学习问题的数学模型 93
5.1.3多级证据网络的参数学习 94
5.2参数学习目标函数的计算 95
5.2.1信度结构模型的距离定义 96
5.2.2参数学习的目标函数 99
5.3基于投影梯度法的证据网络参数学习 99
5.3.1投影梯度法 99
5.3.2参数学习目标函数的梯度 102
5.3.3基于投影梯度的证据网络参数学习方法 104
5.4证据网络参数学习应用 105
5.4.1石油管线风险预警证据网络模型的参数学习 105
5.4.2交通事故风险预测证据网络模型的参数学习 107
5.5小结 110
第6章 证据网络信度规则模型库结构学习 111
6.1证据网络信度规则模型库结构学习问题 111
6.2基于约减技术的信度规则模型库结构学习 112
6.2.1维度约减技术 112
6.2.2基于约减的信度规则模型库结构学习 116
6.3证据网络信度规则模型库结构学习应用 117
6.3.1示例背景分析与建模 117
6.3.2不同约减技术的关键前件属性选择 119
6.3.3灰靶与主成分分析结果对比 120
6.3.4多尺度分析与主成分分析结果对比 122
6.3.5主成分分析结果鲁棒性分析 124
6.4小结 126
第7章 总结与展望 127
7.1本书总结 127
7.2展望 128
参考文献 130
索引 139