离散动态贝叶斯网络推理及其应用
【作 者】高晓光，陈海洋，符小卫，史建国著
【形态项】 176
【出版项】 北京：国防工业出版社 , 2016.03
【ISBN号】978-7-118-10159-1
【中图法分类号】O225
【主题词】贝叶斯决策
【参考文献格式】 高晓光，陈海洋，符小卫，史建国著. 离散动态贝叶斯网络推理及其应用. 北京：国防工业出版社, 2016.03.
内容提要:
无人机（Unmanned Aerial Vehicle，UAV）是一种新概念智能飞行器，适合在复杂环境下执行危险、枯燥及肮脏的任务，其潜在的军事和民用价值已得到各国的认可。从近期的阿富汗战场到远期的无人机发展路线图，无一不说明美、英等西方国家对无人机智能任务规划与决策技术的重视。面对世界无人机技术的迅猛发展，我国必须加快研发步伐，研究我们自主创新的无人机智能任务规划与决策技术，这不仅是国土安全的保障，也是国民经济健康发展的需要。我们科研团队经过十多年的努力和探索，发现动态贝叶斯网络（Dynamic Bayesian Networks，DBN）理论与众多形色各异的智能方法相比，是一种能模拟人类思维的有力工具，其图形化的表达方式和拟人的推理模式为无人机智能化提供了一条可循的技术途径。经过不懈努力，我们在DBN的研究方面取得了独具特色的研究成果，不仅有理论上的科研成果，还将理论成果应用于无人机任务规划与决策中。这些研究成果得到了同行的认可，也为此书的撰写提供了丰富的素材。本书是以无人机智能决策为背景编写的，全书共分为七章。第1 章介绍了无人机自主决策与贝叶斯网络，对比了无人机自主决策中的几种人工智能方法，相比较而言，贝叶斯网络具有很强的环境适应性，具有处理噪声/缺失数据的能力，因此在无人机的自主决策中具有一定的优势。第2 章介绍了贝叶斯网络的基本概念及贝叶斯网络的几种经典推理算法。第3章从DBN的概念出发，介绍了离散动态贝叶斯网络（Discrete dynamic Bayesian networks，DDBN）的几种推理算法，并对算法的复杂度进行了分析。第4章论述的是DBN的近似推理，在引入时间窗和时间窗宽度概念的基础上，对基于时间窗的三种近似推理算法进行了介绍。第5 章在引入变结构动态贝叶斯网络定义的基础上，对变结构动态贝叶斯网络的精确推理算法和近似推理算法进行了介绍。第6 章介绍了DDBN 的三种缺失数据的修补算法。第7章通过无人机智能决策的应用实例，主要介绍了应用DBN来解决威胁源的分类识别、威胁源等级评估和编队内任务决策及自主作战条件下的目标选择等问题。本书由西北工业大学高晓光教授负责全书的策划、组织和定稿，并负责编写了第1章、第2章，参与编写了第5章、第7章；陈海洋负责编写了第3章、第4 章、第5章、第6章；符小卫负责编写了第7章；史建国参与编写了第3章。为了使读者更好地利用本书，读者还需储备一些与本书相关的基础知识。因此，建议读者在阅读本书前，先阅读《概率论》、《图论》、《贝叶斯网引论》、《随机过程》等书籍。本书的出版得到总装备部国防科技图书出版基金、国家自然科学基金（60774064）和陕西省教育厅专项科研计划项目（2013JK1110）的大力资助。在编写过程中，邸若海、梅军峰、郑景嵩为本书编写了大量的算例，李波为本书的出版提供了一些建设性的意见，还有其他的老师和同学也为本书的出版提出了不少宝贵的意见和建议，编者谨此一并致以谢忱。本书在内容上，提供了丰富的算例，深入浅出，直观易懂，系统全面，并且理论与应用相结合，相信本书的出版对贝叶斯网络研究感兴趣的广大读者具有一定的借鉴作用。由于我们的水平有限，书中难免有错误和不妥之处，殷切希望使用本书的师生和科研人员给予批评指正。
下载试读地址