《贝叶斯网络参数学习及对无人机的决策支持》共分3个部分。第一部分是BN理论基础，包括第]章和第2章。第！章介绍了UAV自主决策方法的国内外研究现状，重点对BN理论研究进展情况进行了分析，提出解决不确定环境下UAV自主决策问题涉及的关键问题，并以此为基础引申出《贝叶斯网络参数学习及对无人机的决策支持》相关内容。第2章介绍了静态BN的概念，在此基础上对DBN的概念、结构学习方法、推理方法、参数学习方法和时变DBN发展状况进行描述。第二部分主要介绍信息不完备小样本离散动态贝叶斯网络参数学习方法，包括第3章和第4章。第3章以小样本观测条件下参数学习为重点，介绍了静态BN参数学习算法、约束条件下静态网络参数学习算法、前向递归参数学习机制和约束条件下动态网络参数学习算法。第4章以数据缺失条件下参数学习为重点，介绍了基于支持向量机的静态BN和离散DBN参数学习算法。第三部分是贝叶斯网络及参数学习方法在UAV自主决策中的应用，包括第5章和第6章。第5章主要以战场环境下UAV攻击任务决策为主线，借鉴多模型建模机理完成时变环境感知模型构建，总结出变结构离散DBN推理模型的变化规律，在复杂战场环境的背景下对第3章介绍的参数学习算法进行应用。第6章在突发移动威胁的背景下，首先介绍了突发威胁状态信息丢失时基于目标状态估计的路径重规划决策模型。其次针对UAV在线路径规划问题，介绍了变结构离散DBN与模型预测控制算法相结合的路径规划方法，并对该方法进行了仿真实验。
贝叶斯网络参数学习及对无人机的决策支持 EPUB, PDF, TXT, AZW3, MOBI, FB2, DjVu, Kindle电子书免费下载。