貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)及對無人機(jī)的決策支持

第1章 貝葉斯網(wǎng)絡(luò)與無人機(jī)自主決策
1.1無人機(jī)技術(shù)發(fā)展背景
1.2 自主決策方法國內(nèi)外研究發(fā)展現(xiàn)狀
1.2.1 無人機(jī)自主決策研究現(xiàn)狀
1.2.2 人工智能決策方法研究現(xiàn)狀
1.2.3 貝葉斯網(wǎng)絡(luò)研究現(xiàn)狀
1.3無人機(jī)自主決策關(guān)鍵問題
1.4主要內(nèi)容研究背景與介紹
1.4.1 信息不完備小樣本離散動態(tài)貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)
1.4.2 數(shù)據(jù)缺失條件下網(wǎng)絡(luò)參數(shù)學(xué)習(xí)及UAV路徑規(guī)劃
1.4.3 基于參數(shù)學(xué)習(xí)的UAV攻擊任務(wù)決策
第2章 貝葉斯網(wǎng)絡(luò)理論基礎(chǔ)
2.1 靜態(tài)貝葉斯網(wǎng)絡(luò)理論
2.1.1 靜態(tài)貝葉斯網(wǎng)絡(luò)概念
2.1.2 貝葉斯網(wǎng)絡(luò)證據(jù)類型
2.2離散動態(tài)貝葉斯網(wǎng)絡(luò)理論
2.3 離散動態(tài)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
2.3.1 完備樣本數(shù)據(jù)集下的結(jié)構(gòu)學(xué)習(xí)
2.3.2 觀測數(shù)據(jù)缺失下的結(jié)構(gòu)學(xué)習(xí)
2.4離散動態(tài)貝葉斯網(wǎng)絡(luò)推理
2.5離散動態(tài)貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)
2.6時變動態(tài)貝葉斯網(wǎng)絡(luò)
第3章 信息不完備小樣本條件下網(wǎng)絡(luò)參數(shù)學(xué)習(xí)
3.1靜態(tài)貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)算法
3.1.1 最大似然估計參數(shù)學(xué)習(xí)
3.1.2 貝葉斯估計參數(shù)學(xué)習(xí)
3.1.3 EM參數(shù)學(xué)習(xí)
3.2約束條件下小樣本靜態(tài)網(wǎng)絡(luò)參數(shù)學(xué)習(xí)
3.2.1 先驗(yàn)參數(shù)分布模型
3.2.2 約束條件下先驗(yàn)參數(shù)的確定方法
3.2.3 先驗(yàn)約束下靜態(tài)網(wǎng)絡(luò)參數(shù)學(xué)習(xí)算法
3.2.4 算法性能分析
3.3離散DBN前向遞歸參數(shù)學(xué)習(xí)機(jī)制
3.4約束條件下小樣本離散DBN參數(shù)學(xué)習(xí)
3.4.1 約束遞歸學(xué)習(xí)算法
3.4.2 算法應(yīng)用分析
第4章 數(shù)據(jù)缺失條件下網(wǎng)絡(luò)參數(shù)學(xué)習(xí)
4.1數(shù)據(jù)缺失下基于支持向量機(jī)的參數(shù)學(xué)習(xí)
4.1.1 基于支持向量機(jī)回歸的缺失數(shù)據(jù)估計原理
4.1.2 基于支持向量機(jī)回歸的網(wǎng)絡(luò)參數(shù)學(xué)習(xí)
4.1.3 數(shù)據(jù)缺失條件下靜態(tài)網(wǎng)絡(luò)參數(shù)學(xué)習(xí)
4.1.4 數(shù)據(jù)缺失條件下動態(tài)網(wǎng)絡(luò)參數(shù)學(xué)習(xí)
4.2數(shù)據(jù)缺失下基于噪聲數(shù)據(jù)平滑的參數(shù)學(xué)習(xí)
4.2.1 算法思路
4.2.2 算法過程描述
4.2.3 算法應(yīng)用分析
第5章 基于參數(shù)學(xué)習(xí)的UAV自主攻擊任務(wù)決策
5.1戰(zhàn)場環(huán)境中無人機(jī)自主攻擊任務(wù)決策想定
5.1.1 研究背景
5.1.2 任務(wù)想定
5.2基于SVDDBN的自主攻擊任務(wù)決策模型
5.2.1 基于多模型的SVDDBN建模
5.2.2 無人機(jī)自主攻擊任務(wù)決策模型構(gòu)建
5.3變結(jié)構(gòu)離散動態(tài)貝葉斯網(wǎng)絡(luò)推理算法
5.4戰(zhàn)場環(huán)境下UAV自主攻擊任務(wù)決策
5.4.1 經(jīng)驗(yàn)參數(shù)下自主攻擊任務(wù)決策仿真
5.4.2 基于離散DBN參數(shù)學(xué)習(xí)的自主攻擊任務(wù)決策仿真
第6章 數(shù)據(jù)缺失下基于參數(shù)學(xué)習(xí)的UAV路徑規(guī)劃
6.1任務(wù)想定
6.2連續(xù)動態(tài)貝葉斯網(wǎng)絡(luò)目標(biāo)狀態(tài)估計
6.3 UAV路徑重規(guī)劃決策模型
6.4應(yīng)用與分析
6.5無人機(jī)動態(tài)路徑規(guī)劃描述
6.5.1 問題來源
6.5.2 任務(wù)描述
6.6基于SVDDBN的威脅概率預(yù)測模型
6.7基于轉(zhuǎn)換量測卡爾曼濾波的狀態(tài)估計模型
6.7.1 機(jī)載雷達(dá)觀測數(shù)據(jù)坐標(biāo)轉(zhuǎn)換誤差分析
6.7.2 機(jī)載雷達(dá)測量值坐標(biāo)轉(zhuǎn)換誤差協(xié)方差
6.7.3 轉(zhuǎn)換量測卡爾曼濾波缺失數(shù)據(jù)估計
6.8無人機(jī)飛行控制模型
6.9無人機(jī)路徑優(yōu)化
6.10應(yīng)用與分析
參考文獻(xiàn)