貝葉斯網(wǎng)絡(luò)在智能信息處理中的應(yīng)用

第1章 圖模型與貝葉斯網(wǎng)絡(luò)
1.1 圖模型簡介
1.2 貝葉斯網(wǎng)絡(luò)
1.3 靜態(tài)網(wǎng)絡(luò)理論及應(yīng)用
1.3.1 靜態(tài)網(wǎng)絡(luò)理論基礎(chǔ)
1.3.2 靜態(tài)網(wǎng)絡(luò)應(yīng)用研究
1.4 動(dòng)態(tài)網(wǎng)絡(luò)理論及應(yīng)用
1.4.1 動(dòng)態(tài)網(wǎng)絡(luò)理論基礎(chǔ)
1.4.2 動(dòng)態(tài)網(wǎng)絡(luò)應(yīng)用研究
第2章 靜態(tài)貝葉斯網(wǎng)絡(luò)
2.1 靜態(tài)貝葉斯網(wǎng)絡(luò)表達(dá)
2.2 靜態(tài)網(wǎng)絡(luò)的推理
第3章 貝葉斯網(wǎng)絡(luò)與立體目標(biāo)檢索
3.1 立體目標(biāo)檢索概述
3.2 基于形狀的目標(biāo)檢索的國內(nèi)外研究現(xiàn)狀
3.3 立體目標(biāo)檢索的基本步驟
3.4 基于貝葉斯網(wǎng)絡(luò)的光場(chǎng)描述符
3.4.1 相聯(lián)系的工作概述
3.4.2 三維目標(biāo)混合描述符框架構(gòu)建
3.4.3 三維目標(biāo)混合描述符特征提取
3.5 目標(biāo)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(shí)驗(yàn)分析
第4章 基于貝葉斯網(wǎng)絡(luò)和反饋學(xué)習(xí)的三維檢索
4.1 引言
4.2 基于分類器學(xué)習(xí)的檢索算法
4.3 單特征檢索實(shí)驗(yàn)分析
4.4 基于多特征相關(guān)反饋的三維對(duì)象檢索方法
4.4.1 算法描述
4.4.2 具體實(shí)施方式
4.4.3 檢索實(shí)驗(yàn)
第5章 三維對(duì)象檢索的新領(lǐng)域與新方法
5.1 動(dòng)態(tài)立體場(chǎng)景檢索概述
5.2 動(dòng)態(tài)立體場(chǎng)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(chǎng)景檢索現(xiàn)狀
5.3 動(dòng)態(tài)立體場(chǎng)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(yīng)用
5.4.1 多視角立體視頻概述
5.4.2 多視角動(dòng)態(tài)視頻基于圖模型的研究
5.5 圖模型在cad中的應(yīng)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(dòng)態(tài)貝葉斯網(wǎng)絡(luò)基礎(chǔ)
6.1 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)
6.2 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)應(yīng)用研究
6.2.1 動(dòng)態(tài)時(shí)序數(shù)據(jù)分析與挖掘
6.2.2 無人機(jī)的態(tài)勢(shì)感知與路徑規(guī)劃
6.2.3 進(jìn)化算法與動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)混合優(yōu)化
6.3 從靜態(tài)網(wǎng)絡(luò)到動(dòng)態(tài)網(wǎng)絡(luò)
6.3.1 概述
6.3.2 推導(dǎo)
6.3.3 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)表達(dá)
6.4 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的研究內(nèi)容
6.4.1 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)推理
6.4.2 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)學(xué)習(xí)
6.5 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)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(dòng)態(tài)貝葉斯網(wǎng)絡(luò)推理
7.1 隱變量離散動(dòng)態(tài)網(wǎng)絡(luò)推理
7.1.1 模型數(shù)學(xué)描述
7.1.2 隱馬爾可夫的研究內(nèi)容-
7.1.3 一般離散動(dòng)態(tài)網(wǎng)絡(luò)和隱馬爾可夫關(guān)系
7.2 隱變量連續(xù)動(dòng)態(tài)網(wǎng)絡(luò)推理
7.2.1 模型數(shù)學(xué)描述
7.2.2 卡爾曼濾波圖模型推理
7.3 混合隱狀態(tài)動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)
7.3.1 模型數(shù)學(xué)描述
7.3.2 混合動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)推理
第8章 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法
8.1 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)度量體制
8.1.1 概述
8.1.2 動(dòng)態(tài)網(wǎng)絡(luò)的貝葉斯信息度量
8.1.3 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)bd度量
8.2 構(gòu)建動(dòng)態(tài)網(wǎng)絡(luò)結(jié)構(gòu)尋優(yōu)算法
第9章 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)模型
9.1 平穩(wěn)系統(tǒng)動(dòng)態(tài)網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)模型設(shè)計(jì)
9.1.1 模型設(shè)計(jì)
9.1.2 仿真試驗(yàn)
9.2 變結(jié)構(gòu)動(dòng)態(tài)網(wǎng)絡(luò)自適應(yīng)結(jié)構(gòu)學(xué)習(xí)模型設(shè)計(jì)
9.2.1 模糊自適應(yīng)雙尺度
9.2.2 動(dòng)態(tài)系統(tǒng)非平穩(wěn)程度和平穩(wěn)性的測(cè)量
第10章 基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的自主控制
10.1 概述
10.2 快速構(gòu)建決策網(wǎng)絡(luò)結(jié)構(gòu)方法
10.2.1 鏈形決策網(wǎng)絡(luò)模型的建立
10.2.2 決策網(wǎng)絡(luò)樹形模型結(jié)構(gòu)學(xué)習(xí)算法
10.2.3 一般決策網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法
10.3 進(jìn)化算法與動(dòng)態(tài)網(wǎng)絡(luò)混合優(yōu)化
10.3.1 算法基本思想
10.3.2 轉(zhuǎn)移網(wǎng)絡(luò)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(shí)現(xiàn)
第11章 無人機(jī)自主控制應(yīng)用研究
11.1 基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的路徑規(guī)劃
11.1.1 無人機(jī)平面靜態(tài)路徑規(guī)劃
11.1.2 無人機(jī)動(dòng)態(tài)路徑規(guī)劃
11.2 無人機(jī)自主路徑規(guī)劃實(shí)例
11.2.1 基于混合優(yōu)化的無人機(jī)路徑重規(guī)劃
11.2.2 無人機(jī)攻擊多目標(biāo)路徑規(guī)劃
附錄 貝葉斯網(wǎng)絡(luò)局部結(jié)構(gòu)度量數(shù)學(xué)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(luò)度量
參考文獻(xiàn)