• 贝叶斯网络在智能信息处理中的应用
  • 贝叶斯网络在智能信息处理中的应用
  • 贝叶斯网络在智能信息处理中的应用
  • 贝叶斯网络在智能信息处理中的应用
  • 贝叶斯网络在智能信息处理中的应用
21年品牌 40万+商家 超1.5亿件商品

贝叶斯网络在智能信息处理中的应用

15 3.9折 38 九品

仅1件

江苏南京
认证卖家担保交易快速发货售后保障

作者肖秦琨、高嵩 著

出版社国防工业出版社

出版时间2012-01

版次1

装帧精装

上书时间2024-12-23

南京昌顺书店

五年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:九品
图书标准信息
  • 作者 肖秦琨、高嵩 著
  • 出版社 国防工业出版社
  • 出版时间 2012-01
  • 版次 1
  • ISBN 9787118078138
  • 定价 38.00元
  • 装帧 精装
  • 开本 大32开
  • 纸张 胶版纸
  • 页数 290页
  • 正文语种 简体中文
【内容简介】
  贝叶斯网络是人工智能中处理不确定性问题的建模与分析工具,其历史虽仅有十几年,但相关理论发展迅速,在诸多领域的应用中成绩斐然。本书介绍了贝叶斯网络的相关理论及应用,并收入了作者发表的多篇论文。全书共分为两大部分11章。
  第一部分包括第1章至第5章。第1章概述了贝叶斯网络的产生与发展,基本操作及表达。第2章为本书的静态网络的理论基础部分。
  第3章至第5章是静态网络理论在多媒体检索中的应用部分。
  第二部分是动态贝叶斯网络理论及应用部分,包括第6章至11章。第6章由浅人深引出动态贝叶斯网络的基本概念及研究方向。第7章在第6章基础上,详细讨论了三类动态贝叶斯网络的推理。第8章从静态网络结构度量机制人手,讨论并推导出动态贝叶斯网络结构用于网络结构度量的贝叶斯信息度量及贝叶斯狄里克莱度量机制。第9章刻画了基于贝叶斯狄里克莱度量体制的平稳动态系统动态贝叶斯网络结构学习模型设计。第10章在动态贝叶斯网络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。第11章讨论了无人机路径规划及基于动态贝叶斯网络的智能自主应用。最后在本书的附录中,给出了与动态贝叶斯网络结构度量相关定理、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。
  《贝叶斯网络在智能信息处理中的应用》内容新颖,选材广泛,突出实现与应用,适用于从事智能信息处理与优化研究工作的工程技术人员及研究生阅读、参考,也可作为高等院校有关专业的教学参考书。
【目录】
第1章 图模型与贝叶斯网络 
1.1 图模型简介 
1.2 贝叶斯网络 
1.3 静态网络理论及应用 
1.3.1 静态网络理论基础 
1.3.2 静态网络应用研究 
1.4 动态网络理论及应用 
1.4.1 动态网络理论基础 
1.4.2 动态网络应用研究 
第2章 静态贝叶斯网络 
2.1 静态贝叶斯网络表达 
2.2 静态网络的推理 
第3章 贝叶斯网络与立体目标检索 
3.1 立体目标检索概述 
3.2 基于形状的目标检索的国内外研究现状 
3.3 立体目标检索的基本步骤 
3.4 基于贝叶斯网络的光场描述符 
3.4.1 相联系的工作概述 
3.4.2 三维目标混合描述符框架构建 
3.4.3 三维目标混合描述符特征提取 
3.5 目标距离度量 
3.5.1 颜色描述符距离度量 
3.5.2 形状描述符距离度量 
3.6 检索系统性能实验分析 
第4章 基于贝叶斯网络和反馈学习的三维检索 
4.1 引言 
4.2 基于分类器学习的检索算法 
4.3 单特征检索实验分析 
4.4 基于多特征相关反馈的三维对象检索方法 
4.4.1 算法描述 
4.4.2 具体实施方式 
4.4.3 检索实验 
第5章 三维对象检索的新领域与新方法 
5.1 动态立体场景检索概述 
5.2 动态立体场景检索的研究现状 
5.2.1 基础环节研究现状 
5.2.2 立体场景检索现状 
5.3 动态立体场景检索研究内容及方法 
5.3.1 研究内容 
5.3.2 研究方法 
5.4 图模型在多视角视频检索中的应用 
5.4.1 多视角立体视频概述 
5.4.2 多视角动态视频基于图模型的研究 
5.5 图模型在cad中的应用 
5.5.1 cad检索系统 
5.5.2 cad检索系统的研究内容 
第6章 动态贝叶斯网络基础 
6.1 动态贝叶斯网络 
6.2 动态贝叶斯网络应用研究 
6.2.1 动态时序数据分析与挖掘 
6.2.2 无人机的态势感知与路径规划 
6.2.3 进化算法与动态贝叶斯网络混合优化 
6.3 从静态网络到动态网络 
6.3.1 概述 
6.3.2 推导 
6.3.3 动态贝叶斯网络表达 
6.4 动态贝叶斯网络的研究内容 
6.4.1 动态贝叶斯网络推理 
6.4.2 动态贝叶斯网络学习 
6.5 动态贝叶斯网络相关理论 
6.5.1 序列信息处理 
6.5.2 优化技术 
第7章 动态贝叶斯网络推理 
7.1 隐变量离散动态网络推理 
7.1.1 模型数学描述 
7.1.2 隐马尔可夫的研究内容- 
7.1.3 一般离散动态网络和隐马尔可夫关系 
7.2 隐变量连续动态网络推理 
7.2.1 模型数学描述 
7.2.2 卡尔曼滤波图模型推理 
7.3 混合隐状态动态贝叶斯网络 
7.3.1 模型数学描述 
7.3.2 混合动态贝叶斯网络推理 
第8章 动态贝叶斯网络结构学习算法 
8.1 动态贝叶斯网络结构度量体制 
8.1.1 概述 
8.1.2 动态网络的贝叶斯信息度量 
8.1.3 动态贝叶斯网络bd度量 
8.2 构建动态网络结构寻优算法 
第9章 动态贝叶斯网络结构学习模型 
9.1 平稳系统动态网络结构学习模型设计 
9.1.1 模型设计 
9.1.2 仿真试验 
9.2 变结构动态网络自适应结构学习模型设计 
9.2.1 模糊自适应双尺度 
9.2.2 动态系统非平稳程度和平稳性的测量 
第10章 基于动态贝叶斯网络的自主控制 
10.1 概述 
10.2 快速构建决策网络结构方法 
10.2.1 链形决策网络模型的建立 
10.2.2 决策网络树形模型结构学习算法 
10.2.3 一般决策网络结构学习算法 
10.3 进化算法与动态网络混合优化 
10.3.1 算法基本思想 
10.3.2 转移网络作用 
10.3.3 混合优化自主控制算法描述 
10.3.4 混合优化自主控制算法软件实现 
第11章 无人机自主控制应用研究 
11.1 基于动态贝叶斯网络的路径规划 
11.1.1 无人机平面静态路径规划 
11.1.2 无人机动态路径规划 
11.2 无人机自主路径规划实例 
11.2.1 基于混合优化的无人机路径重规划 
11.2.2 无人机攻击多目标路径规划 
附录 贝叶斯网络局部结构度量数学基础 
A.1 链形模型局部结构度量 
A.2 树形模型局部结构度量 
A.3 局部贝叶斯网络度量 
参考文献
点击展开 点击收起

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP