| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究发展现状 | 第10-16页 |
| 1.2.1 态势估计研究现状 | 第11-13页 |
| 1.2.2 本体研究现状 | 第13-15页 |
| 1.2.3 贝叶斯网络研究现状 | 第15-16页 |
| 1.3 本文的主要内容 | 第16-17页 |
| 1.4 本文的组织架构 | 第17-19页 |
| 第2章 态势估计理论研究 | 第19-28页 |
| 2.1 引言 | 第19页 |
| 2.2 态势估计基本概念 | 第19-20页 |
| 2.3 态势估计的功能结构 | 第20-24页 |
| 2.3.1 态势觉察 | 第20-23页 |
| 2.3.2 态势理解 | 第23-24页 |
| 2.3.3 态势预测 | 第24页 |
| 2.4 态势估计的不确定性 | 第24-27页 |
| 2.4.1 态势估计不确定性产生原因 | 第24-25页 |
| 2.4.2 态势估计的不确定性处理步骤 | 第25-26页 |
| 2.4.3 态势估计不确定性推理方法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 态势估计领域本体模型构建 | 第28-40页 |
| 3.1 引言 | 第28页 |
| 3.2 本体基础理论 | 第28-31页 |
| 3.2.1 本体概念 | 第28-29页 |
| 3.2.2 本体的建模方法 | 第29-30页 |
| 3.2.3 本体的描述语言OWL | 第30-31页 |
| 3.3 态势估计领域本体建模 | 第31-39页 |
| 3.3.1 态势估计本体的构建流程 | 第31-32页 |
| 3.3.2 态势估计领域本体的概念模型 | 第32-33页 |
| 3.3.3 基于Protege的态势估计领域本体建模实现 | 第33-38页 |
| 3.3.4 实现OWL形式化编码 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于PR-OWL的态势估计概率本体模型 | 第40-50页 |
| 4.1 引言 | 第40页 |
| 4.2 当前OWL本体模型存在的不足以及一些改进 | 第40-41页 |
| 4.3 基于多实体贝叶斯网络逻辑的OWL概率扩展—PR-OWL | 第41-45页 |
| 4.3.1 多实体贝叶斯网络简介 | 第41-42页 |
| 4.3.2 PR-OWL元素及其关系 | 第42-44页 |
| 4.3.3 PR-OWL不确定性表示机制 | 第44-45页 |
| 4.4 基于PR-OWL的态势估计概率本体模型 | 第45-49页 |
| 4.4.1 态势估计概率本体模型构建 | 第45-47页 |
| 4.4.2 对比分析结果 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 基于多实体贝叶斯网络的态势估计方法 | 第50-64页 |
| 5.1 引言 | 第50页 |
| 5.2 基于多实体贝叶斯网络的态势估计方法总体框架 | 第50-51页 |
| 5.3 态势估计多实体贝叶斯网络模型 | 第51-55页 |
| 5.3.1 态势估计多实体贝叶斯网络建模流程 | 第51-52页 |
| 5.3.2 态势估计多实体贝叶斯网络片断MFrag | 第52-53页 |
| 5.3.3 定义随机变量概率分布 | 第53-54页 |
| 5.3.4 多实体贝叶斯网络模型MTheory | 第54-55页 |
| 5.4 基于多实体贝叶斯网络的态势估计不确定推理方法 | 第55-58页 |
| 5.4.1 生成态势描述贝叶斯网络SSBN算法 | 第55-56页 |
| 5.4.2 多实体贝叶斯网络推理算法 | 第56-58页 |
| 5.5 实例分析 | 第58-63页 |
| 5.6 本章小结 | 第63-64页 |
| 第6章 总结和展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 附录 | 第72-73页 |
