《贝叶斯网络参数学习及对无人机的决策支持》PDF下载

  • 购买积分:9 如何计算积分?
  • 作  者:任佳,高晓光著
  • 出 版 社:北京:国防工业出版社
  • 出版年份:2012
  • ISBN:9787118083941
  • 页数:152 页
图书介绍:本书以UAV自主决策为技术牵引,对其应用环境中存在的信息不完备,以及决策过程的非平稳性进行分析,围绕信息不完备条件下静态/离散动态贝叶斯网络参数学习方法和突发威胁下的非平稳决策过程进行介绍,书中所涉及的信息不完备参数学习方法和时变非平稳决策推理模型能够满足复杂环境下UAV自主决策的要求,克服了以往推理模型参数主观设定的局限性,提高了决策模型对复杂动态环境的适应能力。通过阅读本书有助于读者对静态/离散动态贝叶斯网络参数学习这一难点问题加深认识和理解。

第1章 贝叶斯网络与无人机自主决策 1

1.1无人机技术发展背景 1

1.2自主决策方法国内外研究发展现状 3

1.2.1无人机自主决策研究现状 3

1.2.2人工智能决策方法研究现状 7

1.2.3贝叶斯网络研究现状 12

1.3无人机自主决策关键问题 16

1.4主要内容研究背景与介绍 18

1.4.1信息不完备小样本离散动态贝叶斯网络参数学习 19

1.4.2数据缺失条件下网络参数学习及UAV路径规划 20

1.4.3基于参数学习的UAV攻击任务决策 22

第2章 贝叶斯网络理论基础 23

2.1静态贝叶斯网络理论 23

2.1.1静态贝叶斯网络概念 23

2.1.2贝叶斯网络证据类型 24

2.2离散动态贝叶斯网络理论 25

2.3离散动态贝叶斯网络结构学习 27

2.3.1完备样本数据集下的结构学习 27

2.3.2观测数据缺失下的结构学习 30

2.4离散动态贝叶斯网络推理 31

2.5离散动态贝叶斯网络参数学习 36

2.6时变动态贝叶斯网络 39

第3章 信息不完备小样本条件下网络参数学习 41

3.1静态贝叶斯网络参数学习算法 41

3.1.1最大似然估计参数学习 41

3.1.2贝叶斯估计参数学习 42

3.1.3 EM参数学习 43

3.2约束条件下小样本静态网络参数学习 45

3.2.1先验参数分布模型 46

3.2.2约束条件下先验参数的确定方法 47

3.2.3先验约束下静态网络参数学习算法 47

3.2.4算法性能分析 48

3.3离散DBN前向递归参数学习机制 50

3.4约束条件下小样本离散DBN参数学习 53

3.4.1约束递归学习算法 53

3.4.2算法应用分析 55

第4章 数据缺失条件下网络参数学习 64

4.1数据缺失下基于支持向量机的参数学习 64

4.1.1基于支持向量机回归的缺失数据估计原理 64

4.1.2基于支持向量机回归的网络参数学习 66

4.1.3数据缺失条件下静态网络参数学习 67

4.1.4数据缺失条件下动态网络参数学习 73

4.2数据缺失下基于噪声数据平滑的参数学习 78

4.2.1算法思路 78

4.2.2算法过程描述 79

4.2.3算法应用分析 81

第5章 基于参数学习的UAV自主攻击任务决策 87

5.1战场环境中无人机自主攻击任务决策想定 87

5.1.1研究背景 87

5.1.2任务想定 88

5.2基于SVDDBN的自主攻击任务决策模型 91

5.2.1基于多模型的SVDDBN建模 91

5.2.2无人机自主攻击任务决策模型构建 93

5.3变结构离散动态贝叶斯网络推理算法 96

5.4战场环境下UAV自主攻击任务决策 99

5.4.1经验参数下自主攻击任务决策仿真 99

5.4.2基于离散DBN参数学习的自主攻击任务决策仿真 101

第6章 数据缺失下基于参数学习的UAV路径规划 112

6.1任务想定 112

6.2连续动态贝叶斯网络目标状态估计 113

6.3 UAV路径重规划决策模型 115

6.4应用与分析 118

6.5无人机动态路径规划描述 121

6.5.1问题来源 121

6.5.2任务描述 121

6.6基于SVDDBN的威胁概率预测模型 122

6.7基于转换量测卡尔曼滤波的状态估计模型 124

6.7.1机载雷达观测数据坐标转换误差分析 124

6.7.2机载雷达测量值坐标转换误差协方差 127

6.7.3转换量测卡尔曼滤波缺失数据估计 128

6.8无人机飞行控制模型 129

6.9无人机路径优化 130

6.10应用与分析 131

参考文献 139