第1章 图模型与贝叶斯网络
1．1 图模型简介
1．2 动态贝叶斯网络
1．3 动态贝叶斯网络应用研究
1．3．1 动态时序数据分析与挖掘
1．3．2 无人机的态势感知与路径规划
1．3．3 进化算法与动态贝叶斯网络混合优化
第2章 静态贝叶斯网络
2．1 静态贝叶斯置信网络
2．2 贝叶斯网络的特点与应用范围
2．3 贝叶斯网络的研究内容
2．3．1 计算复杂性
2．3．2 网络结构的确定问题
2．3．3 已知结构的参数确定问题
2．3．4 在给定结构上的概率计算
2．3．5 贝叶斯网络推理算法
第3章 动态贝叶斯网络基础
3．1 从静态网到动态网
3．1．1 概述
3．1．2 推导
3．1．3 动态贝叶斯网络表达
3．2 动态贝叶斯网络的研究内容
3．2．1 动态贝叶斯网络推理
3．2．2 动态贝叶斯网络学习
第4章 动态贝叶斯网络推理
4．1 隐变量离散动态网络推理
4．1．1 模型数学描述
4．1．2 隐马尔科夫的研究内容
4．1．3 隐马尔科夫推理学习仿真
4．1．4 隐马尔科夫其他拓扑形式
4．1．5 一般离散动态网络和隐马尔科夫关系
4．2 动态贝叶斯网络推理算法性能分析
4．2．1 动态网络转化隐马尔科夫仿真
4．2．2 离散动态网络推理算法比较仿真
4．2．3 连续动态网络推理比较仿真
4．3 模糊推理与隐马尔科夫结合炮火校射
4．3．1 概述
4．3．2 模糊动态网络环境感知框架
4．4 隐变量连续动态网络推理
4．4．1 模型数学描述
4．4．2 卡尔曼滤波图模型推理
4．5 混合隐状态动态贝叶斯网络
4．5．1 模型数学描述
4．5．2 混合动态贝叶斯网络推理
4．5．3 混合动态贝叶斯网络学习
第5章 动态贝叶斯网络结构学习算法
5．1 动态贝叶斯网络结构度量体制
5．1．1 概述
5．1．2 动态网络的贝叶斯信息度量
5．1．3 动态贝叶斯网络BD度量

5．2 动态贝叶斯网络度量分解性能分析
5．3 构建动态网络结构寻优算法
5．3．1 基于概率模型的进化算法
5．3．2 基于贝叶斯优化构造动态网络结构算法
5．3．3 学习动态贝叶斯网络
5．3．4 动态贝叶斯网络推理
5．4 基于贝叶斯优化构建动态网络结构算法仿真
第6章 动态贝叶斯网络结构学习模型
6．1 平稳系统动态网络结构学习模型设计
6．1．1 模型设计
6．1．2 仿真试验
6．2 变结构动态网络自适应结构学习模型设计
6．2．1 模糊自适应双尺度
6．2．2 动态系统非平稳程度和平稳性的测量
6．3 非平稳系统网络结构学习仿真试验
第7章 基于动态贝叶斯网络的路径规划
7．1 无人机平面静态路径规划
7．1．1 基本概念
7．1．2 基于相同威胁体的路径规划
7．1．3 不同威胁体下平面路径规划
7．1．4 路径细化
7．2 无人机动态路径规划
7．2．1 概述
7．2．2 平面动态环境下局部路径构图原则
7．2．3 威胁变化下无人机平面路径规划
7．2．4 突发威胁体下无人机平面路径重规划研究
7．3 无人机空间路径规划研究
7．3．1 空间改进型Voronoi图
7．3．2 威胁变化下局部路径构图区域原则
7．3．3 局部路径选择原则及战场感知模型
第8章 基于动态贝叶斯网络的自主控制
8．1 概述
8．2 快速构建决策网络结构方法
8．2．1 链形决策网络模型的建立
8．2．2 决策网络树形模型结构学习算法
8．2．3 一般决策网络结构学习算法
8．3 进化算法与动态网络混合优化
8．3．1 算法基本思想
8．3．2 转移网络作用
8．3．3 混合优化自主控制算法描述
8．3．4 混合优化自主控制算法软件实现
第9章 无人机自主控制应用研究
9．1 基于混合优化的无人机路径重规划
9．1．1 自主控制过程描述
9．1．2 混合优化无人……

动态贝叶斯网络理论是贝叶斯网络理论的延拓，研究内容涉及推理和学习两大方面，该理论在人工智能、机器学习、自动控制领域得到越来越广泛的应用。本书首先从静态网络的模型表达、推理及学习入手，进而针对动态贝叶斯网络推理算法、平稳系统动态贝叶斯网络结构学习模型设计、非平稳系统动态网络变结构学习模型设计、基于概率模型进化优化动态贝叶斯网络结构寻优算法、进化优化与动态贝叶斯网络混和优化等方面进行了讨论，*终将推理及结构学习理论用于无人机路径规划、自主控制等方面。
本书有助于工程技术人员和科学研究工作者熟悉这种新的理论体系，也可作为高校信息处理类及相关专业师生的教学参考用书。