基于动态贝叶斯网络的智能自主优化机制研究

摘要	第1-6页
ABSTRACT	第6-11页
第1章 绪论	第11-24页
·课题研究背景	第11-16页
·自主优化研究现状及分析	第11-13页
·DBN理论研究概述	第13-15页
·DBN理论存在的问题和措施	第15-16页
·本文的研究内容	第16-20页
·本文拟解决的关键问题	第16-18页
·理论及应用仿真	第18-20页
·论文创新点	第20-21页
·论文的结构框架及各章的主要研究内容	第21-24页
·论文的结构框架及研究方法	第21-22页
·各章主要研究内容	第22-24页
第2章 DBN基础	第24-41页
·静态BN	第24-26页
·DBN表达	第26-32页
·从静态网到动态网	第26-27页
·DBN定义推导	第27-29页
·DBN的图形表达	第29-32页
·DBN的研究内容	第32-41页
·DBN的推理	第32-35页
·DBN的学习	第35-41页
第3章 DBN推理	第41-64页
·隐变量离散DBN推理	第41-49页
·模型数学描述	第41-42页
·HMM的研究内容	第42-46页
·HMM其他拓扑形势	第46-48页
·一般离散DBN和HMM相互关系	第48-49页
·隐变量连续DBN推理	第49-52页
·模型数学描述	第49-50页
·KFM的推理	第50-52页
·DBN推理算法性能分析	第52-64页
·DBN转化HMM仿真试验	第53-55页
·离散DBN推理算法比较仿真	第55-62页
·连续DBN推理比较仿真	第62-64页
第4章 DBN结构学习算法	第64-94页
·DBN结构度量体制	第64-69页
·概述	第64-65页
·DBN的BIC度量	第65-67页
·DBN的BD度量	第67-69页
·DBN度量分解性能分析	第69-77页
·构建DBN结构的寻优算法	第77-89页
·基于概率模型的进化算法	第77-79页
·基于BOA构造DBN结构算法概述	第79-80页
·学习DBN	第80-88页
·DBN推理	第88-89页
·基于BOA构建DBN结构算法仿真	第89-94页
第5章 DBN结构学习模型设计	第94-117页
·平稳动态系统DBN结构学习模型设计	第94-101页
·模型设计	第95-98页
·仿真试验	第98-101页
·变结构DBN自适应结构学习模型设计	第101-108页
·模糊自适应双尺度	第102-106页
·动态系统非平稳程度和平稳性的测量	第106-108页
·非平稳系统DBN结构学习仿真试验	第108-117页
第6章 基于DBN的自主优化	第117-134页
·基于转移网络自主优化概述	第117-118页
·快速构建BN结构方法	第118-123页
·链形BN模型的建立	第119-121页
·树形BN模型结构学习算法	第121-122页
·一般BN结构学习算法	第122-123页
·进化算法与DBN的混合优化方法	第123-134页
·算法基本思想	第123-125页
·转移网络作用	第125页
·进化算法与DBN混合优化自主优化算法	第125-127页
·进化算法与DBN混合优化软件实现	第127-134页
第7章 UCAV自主优化应用研究	第134-162页
·突发威胁体下UCAV路径重规划	第134-148页
·改进型Voronoi图	第134-135页
·突发威胁体下UCAV路径重规划研究	第135-137页
·突发威胁体下路径规划仿真	第137-148页
·UCAV攻击多目标路径规划	第148-162页
·自主优化过程描述	第149-150页
·初始DBN图构型	第150页
·UCAV自主攻击多随机运动目标仿真	第150-162页
第8章 总结与展望	第162-166页
·论文总结	第162-164页
·展望	第164-166页
参考文献	第166-176页
致谢	第176-178页
攻读博士学位期间发表的学术论文及科研情况	第178-180页