实例介绍
【实例简介】
动态贝叶斯网络（Dynamic Bayesian Network, DBN），是一个随着毗邻时间步骤把不同变量联系起来的贝叶斯网络。这通常被叫做“两个时间片”的贝叶斯网络，因为DBN在任意时间点T，变量的值可以从内在的回归量和直接先验值（time T-1）计算。DBN是BN（Baysian Network）的扩展，BN也称作概率网络（Probabilistic Network）或信念网络（Belief Network）。
前言 不确定性理论在人工智能机器学习、自动控制领域已经得到 越来越广泛的应用。本书以当前国际上不确定性研究领域的核心 工具—动态贝叶斯网络为线索,进行了动态网络推理算法、平稳 系统动态贝叶斯网络结构学习模型设计、非平稳系统动态网络变 结构学习模型设计、基于概率模型进化算法的动态贝叶斯网络结 构寻优算法的研究。推理算法以隐变量作为划分依据,讨论了离 散、连续、混合模型的推理算法,并进行了算法复杂度及应用领域 的讨论;结构学习研究首先从度量体制人手,讨论了动态网络度量 体制的可分解性,提出了平稳及非平稳系统网络结构学习模型,以 及基于贪婪算法思想的遗传算法寻优思想;最终将推理及结构学 习理论用于无人机路径规划、战场态势感知、动态数据挖掘、自主 控制领域,并通过大量仿真检验。 本书的研究工作得到了西安工业大学专着甚金及国家自然科 学基金重大研究计划(90205019)的资助。本书全面系统地介绍 了动态贝叶斯网络的相关理论,重点介绍了动态网络的经典应用 和国内外的新发展。全书共分9章。第1章概述了动态贝叶斯网 络的产生与发展、基本操作及表达。第2章和第3章为本书的理 论基础部分,首先从静态网络已经取得的理论成果及研究内容人 手,由浅入深引出动态贝叶斯网络的基本概念及研究方向,确定本 书将要解决的主要问题:DBN推理问题和连续变量的DBN结构 学习问题。第4章在第3章基础上,详细讨论了三类动态贝叶斯 网络的推理即隐变量离散、隐变量连续、隐变量混合DBN推理; 隐马尔科夫模型是所有离散动态网络的基础,故首先介绍其表达 及推理,由此派生出其他离散动态网络,并讨论了奶何将复杂离散 网络转化为简单HMM的方法,通过算法复杂度实验分析,明确了 离散动态网络的相应属性,得出了相应结论,为合理选择DBN推 理算法提供依据;在推理中,若系统参数未知或为时变系统,必然 涉及参数学习,故在讨论三类网络的推理中亦涉及参数学习问题。 第5章从静态网络结构度量机制入手,讨论并推导出动态贝叶斯 网络结构用于网络结构度量的BIC及BD度量机制;通过描述基 于概率模型进化算法的构图基础,引出动态贝叶斯网络结构学习 机制,即基于贝叶斯优化(BOA)的动态网络结构寻优算法,BOA 算法的关键是根据优良解集学习得到动态贝叶斯网络,以及根据 动态贝叶斯网络推理生成新个体,前者更为重要,按照本书提出的 基于贪婪箅法思想的遗传算法解决动态网络学习,然后应用动态 贝叶斯网络前向模拟完成后一步。第6章在此基础上,刻画了基 于BD度量体制的平稳动态系统DBN结构学习模型设计,并通过 仿真验证了其有效性针对非平稳随机系统DBN的结构学习模 型,提出了一种自适应窗口法用于在线自适应学习变结构DBN结 构,仿真结果可行。第7章在第4章DBN推理理论的基础上,从 以往UCAⅴ路径规划中使用的方法以及涉及的定义、术语等出 发,讨论了静态路径规划、动态路进规划及空间路径规划三方面的 基本问题,通过对原始 Voronoi图的改进,提出了平面改进型 Voronoi图、空间改进型 Voronoi图的概念,以及平面及空间动态 路径重规划区域原则等,为动态路径规划提供有力的整体构型支 撑,进而应用前几章理论基础,建立基于DBN的战场环境感知模 型,仿真结果均表明了构图及动态决策模型的正确性。第8章在 DBN推理及结构学习的理论基础上,将其用于自主优化及动态数 据挖掘。将BOA及基于概率模型的遗传算法的静态图形的优化 机制进行推广,提出了一种动态优化的新方法,利用DBN作为t 到t+1代转移网络,适时改变优化的基本条件,实时确立新的种 群及优化的方向,使得自主智能体在无人干预下顺利完成一系列 复杂任务成为可能,将变结构DBN结构学习模型设计用于动态数 据挖掘,实时确定个因素之间的关系。第9章通过两个典型的应 Ⅳ 用实例,将DN推理学习理论进行融合,并用于实际模型。附录 给出了与DN结构度量相关定理、性质的证明,为读者进一步研 究和学习动态贝叶斯网络提供参考。 本书是作者近年来潜心学习和研究国内外不确定性算法理 论、方法和应用成果的一个总结。在本书的编写过程中,得到了西 安电子科技大学焦李成教授和清华大学戴琼海教授及英国Bank University陈大庆教授的热心指导和鼓励,新加坡南洋理工大学 的王海芸博土后审阅了书稿,并提出了许多宝贵意见,特向他们表 示衷心的感谢。 由于涉及内容广泛及限于作者的学识水平,书中疏漏和不当 之处在所难免,希望读者不吝赐教指正。 作者 目录 第1章图模型与贝叶斯网络 1.1图模型简介 1.2动态贝叶斯网络 鲁+垂香曲 1.3动态贝叶斯网络应用研究 1.3.1动态时序数据分析与挖掘 曾··會世 5778 1.3.2无人机的态势感知与路径规划 1.3.3.进化算法与动态贝叶斯网络混合优化…10 第2章静态贝叶斯网络… 11 2.1静态贝叶斯置信网络 2.2贝叶斯网络的特点与应用范围……………15 2.3贝叶斯网络的研究内容 16 2.3.1计算复杂性 16 2.3.2网络结构的确定问题 2.3.3已知结构的参数确定问题………… 18 2.3.4在给定结构上的概率计算… 4福通而看高自曲着看西画 19 2.3.5贝叶斯网络推理算法…………………19 第3章动态贝叶斯网络基础 28 3.1从静态网到动态网 28 3.1.1概述 28 3.1.2推导…………………… ……29 3.1.3动态贝叶斯网络表达 要鲁垂鲁鲁中t曲·曹市壘曾曹吾普·量 31 3.2动态贝叶斯网络的研究内容………… 35 3.2.1动态贝叶斯网络推理……………………36 3.2.2动态贝叶斯网络学习…………………………39 第4章动态贝叶斯网络推理 46 4.1隐变量离散动态网络推理 46 4.1.1模型数学描述…………………46 4.1.2马尔科夫的研究内容… 4.1.3隐马尔科夫推理学习仿真… 53 4.1.4隐马尔科夫其他拓扑形式…………56 4.1.5一般离散动态网络和隐马尔科夫 关系 58 4.2动态贝叶斯网络推理算法性能分析 60 4.2.1动态网络转化隐马尔科夫仿真… 61 4.2.2离散动态网络推理算法比较仿真……63 4.2.3连续动态网络推理比较仿真………72 4.3模糊推理与隐马尔科夫结合炮火校射……………75 4.3.1概述… 音曲曹香音音音吾晋自粤吾·自· 75 4.3.2模糊动态网络环境感知框架 75 4.4隐变量连续动态网络推理 4.4.1模型数学描述… 79 4.4.2卡尔曼滤波图模型推理 ·日·曹曹曾鲁···· 80 4.5混合隐状态动态贝叶斯网络 83 4.5.1模型数学描述…… b音量章申曾要中命要即命·甲看 83 4.5.2混合动态贝叶斯网络推理 86 4.5.3混合动态贝叶斯网络学习 89 第5章动态贝叶斯网络结构学习算法 ……91 5.1动态贝叶斯网络结构度量体制…………91 5.1.1概述………… 91 5.1.2动态网络的贝叶斯信息度量 93 5.1.3动态贝叶斯网络BD度量 96 5.2动态贝叶斯网络度量分解性能分析 省着带鲁曹曹曹鲁鲁鲁虚鲁鲁中· 98 5.3构建动态网络结构寻优算法… 114 5.3.1基于概率模型的进化算法… 115 5.3.2基于贝叶斯优化构造动态网络 结构算法… 116 5.3.3学习动态贝叶斯网络 ……………118 5.3.4动态夏叶斯网络推理 127 5.4基于贝叶斯优化构建动态网络结构算法仿真…128 第6章动态贝叶斯网络结构学习模型 134 6.1平稳系统动态网络结构学习模型设计 134 6.1.1模型设计 135 6.1.2仿真试验 138 6.2变结构动态网络自适应结构学习模型设计…………144 6,2,1模糊自适应双尺度 144 6.2.2动态系统非平稳程度和平稳性的测量 151 6.3非平稳系统网络结构学习仿真试验 153 第7章基于动态贝叶斯网络的路径规划 165 7.1无人机平面静态路径规划… 165 7.1.1基本概念 ……………165 7.1.2基于相同威胁体的路径规划…166 7.1.3不同威胁体下平面路径规划 171 7.1.4路径细化 暨要命要曹吾帝吾辛事壶要面要吾吾曹中垂要晋吾曹事 176 7.2无人机动态路径规划 178 7,2.1概述 179 7.2.2平面动态环境下局部路径构图原则 179 7.2.3威胁变化下无人机平面路径规划………182 7.2.4突发威胁体下无人机平面路径重规划 研究 186 7.3无人机空间路径规划研究………………………190 7.3.1空间改进型 Voronoi图…… …190 7.3.2威胁变化下局部路径构图区域原则 195 7.3.3局部路径选择原则及战场感知模型…197 第8章基于动态贝叶斯网络的自主控制… 199 8.1概述… 199 8.2快速构建决策网络结构方法… 200 8.2.1链形决策网络模型的建立 ………201 8.2.2决策网络树形模型结构学习算法…204 8.2.3一般决策网络结构学习算法 205 8.3进化算法与动态网络混合优化……206 8.3.1算法基本思想 206 8.3.2转移网络作用 中鲁鲁··章鲁···自·· ………210 8.3.3混合优化自主控制算法描述… 210 8.3.4混合优化自主控制算法软件实现………211 第9章无人机自主控制应用研究 224 9.1基于混合优化的无人机路径重规划 .224 9.1.1自主控制过程描述 224 9.1.2混合优化无人机路径规划仿真… 225 9.2无人机攻击多目标路径规划………………237 9.2.1自主控制过程描述……………238 9.2.2初始动态网络图构型 239 9.2.3无人机自主攻击多随机运动目标仿真 240 附录贝叶斯网络局部结构度量数学基础 250 A.1链形模型局部结构度量 250 A.2树形模型局部结构度量 253 A.3局部贝叶斯网络度量………………………………257 参考文献…………………………………262 【实例截图】
【核心代码】
动态贝叶斯网络（Dynamic Bayesian Network, DBN），是一个随着毗邻时间步骤把不同变量联系起来的贝叶斯网络。这通常被叫做“两个时间片”的贝叶斯网络，因为DBN在任意时间点T，变量的值可以从内在的回归量和直接先验值（time T-1）计算。DBN是BN（Baysian Network）的扩展，BN也称作概率网络（Probabilistic Network）或信念网络（Belief Network）。
前言 不确定性理论在人工智能机器学习、自动控制领域已经得到 越来越广泛的应用。本书以当前国际上不确定性研究领域的核心 工具—动态贝叶斯网络为线索,进行了动态网络推理算法、平稳 系统动态贝叶斯网络结构学习模型设计、非平稳系统动态网络变 结构学习模型设计、基于概率模型进化算法的动态贝叶斯网络结 构寻优算法的研究。推理算法以隐变量作为划分依据,讨论了离 散、连续、混合模型的推理算法,并进行了算法复杂度及应用领域 的讨论;结构学习研究首先从度量体制人手,讨论了动态网络度量 体制的可分解性,提出了平稳及非平稳系统网络结构学习模型,以 及基于贪婪算法思想的遗传算法寻优思想;最终将推理及结构学 习理论用于无人机路径规划、战场态势感知、动态数据挖掘、自主 控制领域,并通过大量仿真检验。 本书的研究工作得到了西安工业大学专着甚金及国家自然科 学基金重大研究计划(90205019)的资助。本书全面系统地介绍 了动态贝叶斯网络的相关理论,重点介绍了动态网络的经典应用 和国内外的新发展。全书共分9章。第1章概述了动态贝叶斯网 络的产生与发展、基本操作及表达。第2章和第3章为本书的理 论基础部分,首先从静态网络已经取得的理论成果及研究内容人 手,由浅入深引出动态贝叶斯网络的基本概念及研究方向,确定本 书将要解决的主要问题:DBN推理问题和连续变量的DBN结构 学习问题。第4章在第3章基础上,详细讨论了三类动态贝叶斯 网络的推理即隐变量离散、隐变量连续、隐变量混合DBN推理; 隐马尔科夫模型是所有离散动态网络的基础,故首先介绍其表达 及推理,由此派生出其他离散动态网络,并讨论了奶何将复杂离散 网络转化为简单HMM的方法,通过算法复杂度实验分析,明确了 离散动态网络的相应属性,得出了相应结论,为合理选择DBN推 理算法提供依据;在推理中,若系统参数未知或为时变系统,必然 涉及参数学习,故在讨论三类网络的推理中亦涉及参数学习问题。 第5章从静态网络结构度量机制入手,讨论并推导出动态贝叶斯 网络结构用于网络结构度量的BIC及BD度量机制;通过描述基 于概率模型进化算法的构图基础,引出动态贝叶斯网络结构学习 机制,即基于贝叶斯优化(BOA)的动态网络结构寻优算法,BOA 算法的关键是根据优良解集学习得到动态贝叶斯网络,以及根据 动态贝叶斯网络推理生成新个体,前者更为重要,按照本书提出的 基于贪婪箅法思想的遗传算法解决动态网络学习,然后应用动态 贝叶斯网络前向模拟完成后一步。第6章在此基础上,刻画了基 于BD度量体制的平稳动态系统DBN结构学习模型设计,并通过 仿真验证了其有效性针对非平稳随机系统DBN的结构学习模 型,提出了一种自适应窗口法用于在线自适应学习变结构DBN结 构,仿真结果可行。第7章在第4章DBN推理理论的基础上,从 以往UCAⅴ路径规划中使用的方法以及涉及的定义、术语等出 发,讨论了静态路径规划、动态路进规划及空间路径规划三方面的 基本问题,通过对原始 Voronoi图的改进,提出了平面改进型 Voronoi图、空间改进型 Voronoi图的概念,以及平面及空间动态 路径重规划区域原则等,为动态路径规划提供有力的整体构型支 撑,进而应用前几章理论基础,建立基于DBN的战场环境感知模 型,仿真结果均表明了构图及动态决策模型的正确性。第8章在 DBN推理及结构学习的理论基础上,将其用于自主优化及动态数 据挖掘。将BOA及基于概率模型的遗传算法的静态图形的优化 机制进行推广,提出了一种动态优化的新方法,利用DBN作为t 到t+1代转移网络,适时改变优化的基本条件,实时确立新的种 群及优化的方向,使得自主智能体在无人干预下顺利完成一系列 复杂任务成为可能,将变结构DBN结构学习模型设计用于动态数 据挖掘,实时确定个因素之间的关系。第9章通过两个典型的应 Ⅳ 用实例,将DN推理学习理论进行融合,并用于实际模型。附录 给出了与DN结构度量相关定理、性质的证明,为读者进一步研 究和学习动态贝叶斯网络提供参考。 本书是作者近年来潜心学习和研究国内外不确定性算法理 论、方法和应用成果的一个总结。在本书的编写过程中,得到了西 安电子科技大学焦李成教授和清华大学戴琼海教授及英国Bank University陈大庆教授的热心指导和鼓励,新加坡南洋理工大学 的王海芸博土后审阅了书稿,并提出了许多宝贵意见,特向他们表 示衷心的感谢。 由于涉及内容广泛及限于作者的学识水平,书中疏漏和不当 之处在所难免,希望读者不吝赐教指正。 作者 目录 第1章图模型与贝叶斯网络 1.1图模型简介 1.2动态贝叶斯网络 鲁+垂香曲 1.3动态贝叶斯网络应用研究 1.3.1动态时序数据分析与挖掘 曾··會世 5778 1.3.2无人机的态势感知与路径规划 1.3.3.进化算法与动态贝叶斯网络混合优化…10 第2章静态贝叶斯网络… 11 2.1静态贝叶斯置信网络 2.2贝叶斯网络的特点与应用范围……………15 2.3贝叶斯网络的研究内容 16 2.3.1计算复杂性 16 2.3.2网络结构的确定问题 2.3.3已知结构的参数确定问题………… 18 2.3.4在给定结构上的概率计算… 4福通而看高自曲着看西画 19 2.3.5贝叶斯网络推理算法…………………19 第3章动态贝叶斯网络基础 28 3.1从静态网到动态网 28 3.1.1概述 28 3.1.2推导…………………… ……29 3.1.3动态贝叶斯网络表达 要鲁垂鲁鲁中t曲·曹市壘曾曹吾普·量 31 3.2动态贝叶斯网络的研究内容………… 35 3.2.1动态贝叶斯网络推理……………………36 3.2.2动态贝叶斯网络学习…………………………39 第4章动态贝叶斯网络推理 46 4.1隐变量离散动态网络推理 46 4.1.1模型数学描述…………………46 4.1.2马尔科夫的研究内容… 4.1.3隐马尔科夫推理学习仿真… 53 4.1.4隐马尔科夫其他拓扑形式…………56 4.1.5一般离散动态网络和隐马尔科夫 关系 58 4.2动态贝叶斯网络推理算法性能分析 60 4.2.1动态网络转化隐马尔科夫仿真… 61 4.2.2离散动态网络推理算法比较仿真……63 4.2.3连续动态网络推理比较仿真………72 4.3模糊推理与隐马尔科夫结合炮火校射……………75 4.3.1概述… 音曲曹香音音音吾晋自粤吾·自· 75 4.3.2模糊动态网络环境感知框架 75 4.4隐变量连续动态网络推理 4.4.1模型数学描述… 79 4.4.2卡尔曼滤波图模型推理 ·日·曹曹曾鲁···· 80 4.5混合隐状态动态贝叶斯网络 83 4.5.1模型数学描述…… b音量章申曾要中命要即命·甲看 83 4.5.2混合动态贝叶斯网络推理 86 4.5.3混合动态贝叶斯网络学习 89 第5章动态贝叶斯网络结构学习算法 ……91 5.1动态贝叶斯网络结构度量体制…………91 5.1.1概述………… 91 5.1.2动态网络的贝叶斯信息度量 93 5.1.3动态贝叶斯网络BD度量 96 5.2动态贝叶斯网络度量分解性能分析 省着带鲁曹曹曹鲁鲁鲁虚鲁鲁中· 98 5.3构建动态网络结构寻优算法… 114 5.3.1基于概率模型的进化算法… 115 5.3.2基于贝叶斯优化构造动态网络 结构算法… 116 5.3.3学习动态贝叶斯网络 ……………118 5.3.4动态夏叶斯网络推理 127 5.4基于贝叶斯优化构建动态网络结构算法仿真…128 第6章动态贝叶斯网络结构学习模型 134 6.1平稳系统动态网络结构学习模型设计 134 6.1.1模型设计 135 6.1.2仿真试验 138 6.2变结构动态网络自适应结构学习模型设计…………144 6,2,1模糊自适应双尺度 144 6.2.2动态系统非平稳程度和平稳性的测量 151 6.3非平稳系统网络结构学习仿真试验 153 第7章基于动态贝叶斯网络的路径规划 165 7.1无人机平面静态路径规划… 165 7.1.1基本概念 ……………165 7.1.2基于相同威胁体的路径规划…166 7.1.3不同威胁体下平面路径规划 171 7.1.4路径细化 暨要命要曹吾帝吾辛事壶要面要吾吾曹中垂要晋吾曹事 176 7.2无人机动态路径规划 178 7,2.1概述 179 7.2.2平面动态环境下局部路径构图原则 179 7.2.3威胁变化下无人机平面路径规划………182 7.2.4突发威胁体下无人机平面路径重规划 研究 186 7.3无人机空间路径规划研究………………………190 7.3.1空间改进型 Voronoi图…… …190 7.3.2威胁变化下局部路径构图区域原则 195 7.3.3局部路径选择原则及战场感知模型…197 第8章基于动态贝叶斯网络的自主控制… 199 8.1概述… 199 8.2快速构建决策网络结构方法… 200 8.2.1链形决策网络模型的建立 ………201 8.2.2决策网络树形模型结构学习算法…204 8.2.3一般决策网络结构学习算法 205 8.3进化算法与动态网络混合优化……206 8.3.1算法基本思想 206 8.3.2转移网络作用 中鲁鲁··章鲁···自·· ………210 8.3.3混合优化自主控制算法描述… 210 8.3.4混合优化自主控制算法软件实现………211 第9章无人机自主控制应用研究 224 9.1基于混合优化的无人机路径重规划 .224 9.1.1自主控制过程描述 224 9.1.2混合优化无人机路径规划仿真… 225 9.2无人机攻击多目标路径规划………………237 9.2.1自主控制过程描述……………238 9.2.2初始动态网络图构型 239 9.2.3无人机自主攻击多随机运动目标仿真 240 附录贝叶斯网络局部结构度量数学基础 250 A.1链形模型局部结构度量 250 A.2树形模型局部结构度量 253 A.3局部贝叶斯网络度量………………………………257 参考文献…………………………………262 【实例截图】
【核心代码】
标签：
好例子网口号：伸出你的我的手 — 分享！
相关软件
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论