| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第13-25页 |
| 1.1 选题背景与意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-22页 |
| 1.2.1 态势评估与意图识别 | 第15-16页 |
| 1.2.2 国内外研究与应用现状 | 第16-19页 |
| 1.2.3 相关理论现状分析 | 第19-22页 |
| 1.3 主要研究内容及章节安排 | 第22-25页 |
| 1.3.1 研究内容 | 第22页 |
| 1.3.2 章节安排 | 第22-25页 |
| 第2章 贝叶斯网络现状分析 | 第25-45页 |
| 2.1 贝叶斯网络及动态贝叶网络基本理论 | 第25-31页 |
| 2.1.1 贝叶斯网络理论基础 | 第25-28页 |
| 2.1.2 动态贝叶斯网络基础 | 第28-30页 |
| 2.1.3 贝叶斯网络发展及应用分析 | 第30-31页 |
| 2.2 贝叶斯网络构建算法 | 第31-38页 |
| 2.2.1 拓扑结构学习 | 第31-34页 |
| 2.2.2 概率分布参数学习 | 第34-37页 |
| 2.2.3 贝叶斯网络构建方法分析 | 第37-38页 |
| 2.3 多实体贝叶斯网络MEBN | 第38-43页 |
| 2.3.1 MEBN概念 | 第38-41页 |
| 2.3.2 基于MEBN的BN构建方法 | 第41-43页 |
| 2.4 本章小结 | 第43-45页 |
| 第3章 一种基于序列推理的战术意图识别模型 | 第45-77页 |
| 3.1 作战任务和战术意图分析 | 第45-47页 |
| 3.2 一种描述规划的序列贝叶斯模型 | 第47-53页 |
| 3.2.1 规划识别问题分析 | 第47-48页 |
| 3.2.2 SBN的建立 | 第48-49页 |
| 3.2.3 SBN特性分析 | 第49-53页 |
| 3.3 一种用于战术意图推理的DSBN模型 | 第53-63页 |
| 3.3.1 意图推理过程分析 | 第53-55页 |
| 3.3.2 DSBN模型的建立 | 第55-60页 |
| 3.3.3 DSBN模型的推理 | 第60-62页 |
| 3.3.4 DSBN模型的分析 | 第62-63页 |
| 3.4 模型验证 | 第63-74页 |
| 3.4.1 背景知识和推理模型 | 第63-66页 |
| 3.4.2 战术意图推理过程 | 第66-69页 |
| 3.4.3 相关算法对比 | 第69-71页 |
| 3.4.4 模型分析 | 第71-74页 |
| 3.5 本章小结 | 第74-77页 |
| 第4章 基于扩展MEBN的DSBN构建算法 | 第77-97页 |
| 4.1 知识库的表达分析 | 第77-79页 |
| 4.2 MEBN模型的扩展 | 第79-84页 |
| 4.2.1 MEBN表达能力的局限性分析 | 第79-80页 |
| 4.2.2 PT-MFrag的建立 | 第80-81页 |
| 4.2.3 SR-MFrag的建立 | 第81-82页 |
| 4.2.4 EMEBN模型 | 第82-84页 |
| 4.3 基于EMEBN的DSBN构建算法 | 第84-90页 |
| 4.3.1 基本思想 | 第84-85页 |
| 4.3.2 算法描述 | 第85-86页 |
| 4.3.3 算法复杂度分析 | 第86页 |
| 4.3.4 构建方法比较 | 第86-90页 |
| 4.4 算法验证 | 第90-95页 |
| 4.4.1 构建规则背景 | 第90-92页 |
| 4.4.2 推理模型的构建 | 第92-93页 |
| 4.4.3 算法分析 | 第93-95页 |
| 4.5 本章小结 | 第95-97页 |
| 第5章 基于统计挖掘的规则知识发现方法 | 第97-119页 |
| 5.1 数据挖掘和知识发现方法分析 | 第97-99页 |
| 5.2 战术规则的发现方法 | 第99-109页 |
| 5.2.1 数据的预处理 | 第100-102页 |
| 5.2.2 B-MFrag的发现及行为变化序列表的产生 | 第102-107页 |
| 5.2.3 PT-MFrag及SR-MFrag的发现 | 第107-109页 |
| 5.3 规则发现示例 | 第109-116页 |
| 5.4 本章小结 | 第116-119页 |
| 结论 | 第119-123页 |
| 参考文献 | 第123-135页 |
| 攻读博士学位期间发表的论文和取得的科研成果简表 | 第135-137页 |
| 致谢 | 第137-138页 |