基于动态贝叶斯网络的空战决策方法研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究现状 | 第11-13页 |
| 1.2 研究目的 | 第13-14页 |
| 1.3 研究内容 | 第14-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 贝叶斯网络理论与应用 | 第17-22页 |
| 2.1 贝叶斯网络 | 第17-21页 |
| 2.1.1 贝叶斯网络推理 | 第18-19页 |
| 2.1.2 动态贝叶斯网络技术 | 第19-20页 |
| 2.1.3 贝叶斯网络参数学习 | 第20-21页 |
| 2.2 贝叶斯网络在复杂决策系统中应用 | 第21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 机动决策网络模型 | 第22-34页 |
| 3.1 网络节点定义 | 第22-26页 |
| 3.1.1 网络证据节点定义 | 第22-24页 |
| 3.1.2 网络中间节点定义 | 第24-25页 |
| 3.1.3 网络决策节点定义 | 第25页 |
| 3.1.4 网络初始参数设定 | 第25-26页 |
| 3.2 单状态转移动态贝叶斯网络机动决策网络模型 | 第26-27页 |
| 3.3 多状态转移动态贝叶斯网络机动决策网络模型 | 第27页 |
| 3.4 模型对比分析 | 第27-33页 |
| 3.4.1 模型性能对比实验 | 第27-31页 |
| 3.4.2 单状态转移决策网络模型性能特点分析 | 第31-32页 |
| 3.4.3 多状态转移决策网络模型性能特点分析 | 第32页 |
| 3.4.4 网络模型结构选择 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 模型求解算法与参数学习算法 | 第34-41页 |
| 4.1 网络模型求解算法 | 第34-35页 |
| 4.1.1 滤波推理算法 | 第34-35页 |
| 4.1.2 推理算法工程实用性分析 | 第35页 |
| 4.2 基于贝叶斯估计理论的参数学习方法 | 第35-40页 |
| 4.2.1 学习算法 | 第35-38页 |
| 4.2.2 学习结果 | 第38-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第5章 仿真实验与分析 | 第41-57页 |
| 5.1 模型程序设计 | 第42-45页 |
| 5.1.1 动力学模型程序设计思路 | 第42-44页 |
| 5.1.2 机动决策网络程序设计思路 | 第44-45页 |
| 5.2 仿真实验平台 | 第45-48页 |
| 5.3 实验与分析 | 第48-55页 |
| 5.3.1 决策网络实时性与适应性 | 第48-50页 |
| 5.3.2 决策网络容错性 | 第50-52页 |
| 5.3.3 学习前后网络性能对比 | 第52-55页 |
| 5.4 仿真结论 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第62页 |
