貝葉斯網(wǎng)絡在智能信息處理中的應用

第1章 圖模型與貝葉斯網(wǎng)絡
1.1 圖模型簡介
1.2 貝葉斯網(wǎng)絡
1.3 靜態(tài)網(wǎng)絡理論及應用
1.3.1 靜態(tài)網(wǎng)絡理論基礎(chǔ)
1.3.2 靜態(tài)網(wǎng)絡應用研究
1.4 動態(tài)網(wǎng)絡理論及應用
1.4.1 動態(tài)網(wǎng)絡理論基礎(chǔ)
1.4.2 動態(tài)網(wǎng)絡應用研究
第2章 靜態(tài)貝葉斯網(wǎng)絡
2.1 靜態(tài)貝葉斯網(wǎng)絡表達
2.2 靜態(tài)網(wǎng)絡的推理
第3章 貝葉斯網(wǎng)絡與立體目標檢索
3.1 立體目標檢索概述
3.2 基于形狀的目標檢索的國內(nèi)外研究現(xiàn)狀
3.3 立體目標檢索的基本步驟
3.4 基于貝葉斯網(wǎng)絡的光場描述符
3.4.1 相聯(lián)系的工作概述
3.4.2 三維目標混合描述符框架構(gòu)建
3.4.3 三維目標混合描述符特征提取
3.5 目標距離度量
3.5.1 顏色描述符距離度量
3.5.2 形狀描述符距離度量
3.6 檢索系統(tǒng)性能實驗分析
第4章 基于貝葉斯網(wǎng)絡和反饋學習的三維檢索
4.1 引言
4.2 基于分類器學習的檢索算法
4.3 單特征檢索實驗分析
4.4 基于多特征相關(guān)反饋的三維對象檢索方法
4.4.1 算法描述
4.4.2 具體實施方式
4.4.3 檢索實驗
第5章 三維對象檢索的新領(lǐng)域與新方法
5.1 動態(tài)立體場景檢索概述
5.2 動態(tài)立體場景檢索的研究現(xiàn)狀
5.2.1 基礎(chǔ)環(huán)節(jié)研究現(xiàn)狀
5.2.2 立體場景檢索現(xiàn)狀
5.3 動態(tài)立體場景檢索研究內(nèi)容及方法
5.3.1 研究內(nèi)容
5.3.2 研究方法
5.4 圖模型在多視角視頻檢索中的應用
5.4.1 多視角立體視頻概述
5.4.2 多視角動態(tài)視頻基于圖模型的研究
5.5 圖模型在cad中的應用
5.5.1 cad檢索系統(tǒng)
5.5.2 cad檢索系統(tǒng)的研究內(nèi)容
第6章 動態(tài)貝葉斯網(wǎng)絡基礎(chǔ)
6.1 動態(tài)貝葉斯網(wǎng)絡
6.2 動態(tài)貝葉斯網(wǎng)絡應用研究
6.2.1 動態(tài)時序數(shù)據(jù)分析與挖掘
6.2.2 無人機的態(tài)勢感知與路徑規(guī)劃
6.2.3 進化算法與動態(tài)貝葉斯網(wǎng)絡混合優(yōu)化
6.3 從靜態(tài)網(wǎng)絡到動態(tài)網(wǎng)絡
6.3.1 概述
6.3.2 推導
6.3.3 動態(tài)貝葉斯網(wǎng)絡表達
6.4 動態(tài)貝葉斯網(wǎng)絡的研究內(nèi)容
6.4.1 動態(tài)貝葉斯網(wǎng)絡推理
6.4.2 動態(tài)貝葉斯網(wǎng)絡學習
6.5 動態(tài)貝葉斯網(wǎng)絡相關(guān)理論
6.5.1 序列信息處理
6.5.2 優(yōu)化技術(shù)
第7章 動態(tài)貝葉斯網(wǎng)絡推理
7.1 隱變量離散動態(tài)網(wǎng)絡推理
7.1.1 模型數(shù)學描述
7.1.2 隱馬爾可夫的研究內(nèi)容-
7.1.3 一般離散動態(tài)網(wǎng)絡和隱馬爾可夫關(guān)系
7.2 隱變量連續(xù)動態(tài)網(wǎng)絡推理
7.2.1 模型數(shù)學描述
7.2.2 卡爾曼濾波圖模型推理
7.3 混合隱狀態(tài)動態(tài)貝葉斯網(wǎng)絡
7.3.1 模型數(shù)學描述
7.3.2 混合動態(tài)貝葉斯網(wǎng)絡推理
第8章 動態(tài)貝葉斯網(wǎng)絡結(jié)構(gòu)學習算法
8.1 動態(tài)貝葉斯網(wǎng)絡結(jié)構(gòu)度量體制
8.1.1 概述
8.1.2 動態(tài)網(wǎng)絡的貝葉斯信息度量
8.1.3 動態(tài)貝葉斯網(wǎng)絡bd度量
8.2 構(gòu)建動態(tài)網(wǎng)絡結(jié)構(gòu)尋優(yōu)算法
第9章 動態(tài)貝葉斯網(wǎng)絡結(jié)構(gòu)學習模型
9.1 平穩(wěn)系統(tǒng)動態(tài)網(wǎng)絡結(jié)構(gòu)學習模型設(shè)計
9.1.1 模型設(shè)計
9.1.2 仿真試驗
9.2 變結(jié)構(gòu)動態(tài)網(wǎng)絡自適應結(jié)構(gòu)學習模型設(shè)計
9.2.1 模糊自適應雙尺度
9.2.2 動態(tài)系統(tǒng)非平穩(wěn)程度和平穩(wěn)性的測量
第10章 基于動態(tài)貝葉斯網(wǎng)絡的自主控制
10.1 概述
10.2 快速構(gòu)建決策網(wǎng)絡結(jié)構(gòu)方法
10.2.1 鏈形決策網(wǎng)絡模型的建立
10.2.2 決策網(wǎng)絡樹形模型結(jié)構(gòu)學習算法
10.2.3 一般決策網(wǎng)絡結(jié)構(gòu)學習算法
10.3 進化算法與動態(tài)網(wǎng)絡混合優(yōu)化
10.3.1 算法基本思想
10.3.2 轉(zhuǎn)移網(wǎng)絡作用
10.3.3 混合優(yōu)化自主控制算法描述
10.3.4 混合優(yōu)化自主控制算法軟件實現(xiàn)
第11章 無人機自主控制應用研究
11.1 基于動態(tài)貝葉斯網(wǎng)絡的路徑規(guī)劃
11.1.1 無人機平面靜態(tài)路徑規(guī)劃
11.1.2 無人機動態(tài)路徑規(guī)劃
11.2 無人機自主路徑規(guī)劃實例
11.2.1 基于混合優(yōu)化的無人機路徑重規(guī)劃
11.2.2 無人機攻擊多目標路徑規(guī)劃
附錄 貝葉斯網(wǎng)絡局部結(jié)構(gòu)度量數(shù)學基礎(chǔ)
A.1 鏈形模型局部結(jié)構(gòu)度量
A.2 樹形模型局部結(jié)構(gòu)度量
A.3 局部貝葉斯網(wǎng)絡度量
參考文獻