证据网络推理学习理论及其应用 mobi 下载 网盘 caj lrf pdf txt 阿里云

《证据网络推理学习理论及其应用》提出并建立了一套完整的证据网络理论和方法体系，对证据网络的定义、结构建模、参数表示、不同参数模型下的推理及证据网络参数和结构学习的相关理论和方法展开了深入论述。《证据网络推理学习理论及其应用》共分为7章，内容包括：不确定性建模理论，不确定性推理方法，证据网络提出的价值与意义，证据网络模型的基本概念、特点、关键要素和建模流程，证据网络的结构与参数，证据网络的推理问题，不同参数模型下的推理策略与算法，证据网络参数学习模型与计算方法，证据网络信度规则模型库结构学习，以及相关应用研究等。《证据网络推理学习理论及其应用》主要面向管理科学与工程、控制科学与工程、信息技术等领域的学者及研究生，也可供相关领域的研究人员阅读参考。

前言

第1章 绪论

1.1 不确定性建模理论

1.1.1 不确定性分类

1.1.2 不确定性处理

1.2 不确定性推理方法

1.2.1 主要的不确定性推理方法

1.2.2 贝叶斯网络与影响图

1.3 证据理论相关研究现状

1.3.1 D-S证据理论的提出

1.3.2 D-S证据理论综述

1.3.3 证据推理

1.3.4 证据网络

1.3.5 证据理论与风险决策

1.4 存在的问题

1.5 本书主要内容及安排

1.5.1 研究思路

1.5.2 研究内容

第2章 证据网络模型

2.1 证据理论与图模型基础

2.1.1 D-S证据理论

2.1.2 图模型

2.2 证据网络模型的定义

2.2.1 证据网络的概念

2.2.2 证据网络的特点

2.2.3 证据网络建模过程

2.3 证据网络模型的结构

2.3.1 结点之间的关系

2.3.2 基于树模型的证据网络结构建模

2.3.3 基于因果关系图的证据网络结构建模

2.4 证据网络模型的参数

2.4.1 知识表示模型

2.4.2 证据网络参数的条件信度表示

2.4.3 证据网络参数的信度规则表示

2.5 小结

第3章 条件信度参数模型下的证据网络推理

3.1 条件信度参数模型下的证据网络推理问题

3.1.1 推理问题

3.1.2 研究思路

3.2 证据网络条件信度推理方法

3.2.1 条件信度函数计算基础理论

3.2.2 证据网络条件信度的正向推理

3.2.3 证据网络条件信度的反向推理

3.2.4 证据网络条件信度的乘积规则

3.2.5 证据网络条件信度推理算例

3.3 证据网络信度合成方法

3.3.1 信度合成悖论分析

3.3.2 一种新的证据***度量方法

3.3.3 基于***度量的信度合成方法

3.4 证据网络在航天系统安全性分析中的应用

3.5 小结

第4章 信度规则参数模型下的证据网络推理

4.1 信度规则参数模型下的证据网络推理问题

4.1.1 推理问题

4.1.2 研究思路

4.2 不完全信息情况下结点权重获取方法

4.2.1 偏好关系的定义与表示

4.2.2 基于目标规划的权重获取方法

4.2.3 结点权重获取的数值算例

4.3 基于ER的证据网络推理方法

4.3.1 信度结构数据转化

4.3.2 信度规则的激活

4.3.3 证据网络信度规则推理与合成算法

4.3.4 证据网络信度规则推理结果分析

4.4 证据网络在军事威胁评估与预测中的应用

4.5 小结

第5章 证据网络参数学习

5.1 证据网络参数学习问题

5.1.1 参数学习的研究思路

5.1.2 参数学习问题的数学模型

5.1.3 多级证据网络的参数学习

5.2 参数学习目标函数的计算

5.2.1 信度结构模型的距离定义

5.2.2 参数学习的目标函数

5.3 基于投影梯度法的证据网络参数学习

5.3.1 投影梯度法

5.3.2 参数学习目标函数的梯度

5.3.3 基于投影梯度的证据网络参数学习方法

5.4 证据网络参数学习应用

5.4.1 石油管线风险预警证据网络模型的参数学习

5.4.2 交通事故风险预测证据网络模型的参数学习

5.5 小结

第6章 证据网络信度规则模型库结构学习

6.1 证据网络信度规则模型库结构学习问题

6.2 基于约减技术的信度规则模型库结构学习

6.2.1 维度约减技术

6.2.2 基于约减的信度规则模型库结构学习

6.3 证据网络信度规则模型库结构学习应用

6.3.1 示例背景分析与建模

6.3.2 不同约减技术的关键前件属性选择

6.3.3 灰靶与主成分分析结果对比

6.3.4 多尺度分析与主成分分析结果对比

6.3.5 主成分分析结果鲁棒性分析

*** 小结

第7章 总结与展望

7.1 本书总结

7.2 展望

参考文献

索引

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

第1章 绪论

不确定性决策是目前管理科学研究和应用中的一个热点问题. 管理问题的不确定性主要来源于研究对象所处客观环境及研究问题本身的复杂性， 既包括反映客观事物内在本质的随机不确定性， 也包括反映由于人们对客观世界的认识不足、信息缺失或知识缺乏而导致的认知不确定性. 此外， 解决实际管理问题或系统问题往往需要分析众多相互联系又相互影响的因素及其相互关系， 这些因素之间的关联性成为制约系统功能发挥和管理决策成功与否的关键. 因此， 客观世界的这些不确定性与关联性对不确定性决策问题的研究提出了新的挑战.

在管理决策实践中， 不确定性与关联性无处不在， 如在航天工程、武器装备发展论证、重大基础设施建设等大型系统工程管理中， 为实现系统管理目标， 需要考虑众多相互联系而又相互影响的子系统或部件之间的关系， 以及在系统内部和外部存在的如费用、风险、人为参与等各种因素联合作用导致的不确定性， 如果不能正确地描述这些不确定性， 不能合理地描述系统内部之间的相互关系， 不能准确地掌握系统运行模式和方向， 就不能在适当的时机作出正确的决策， 从而导致整个工程建设的费用增加、进度拖延， 甚至项目失败和重大损失； 又如在军事作战态势分析与评估、系统故障预测与诊断等控制与决策中， 如果不能对获取的军事情报信息或系统检测数据等定性定量信息及时进行处理， 不能把军事指挥员的经验或系统工程师的判断等经验知识信息综合考虑， 就很有可能错失战机或酿成重大事故， 造成整个战争的失败或重大安全事故等.

因此， 应当从理论和方法上探索在考虑系统关联性和信息不确定性环境下， 如何建立反映系统真实情况的模型， 如何对定性知识与定量数据信息进行统一建模和处理， 如何通过严格的推理计算不断增强人们对系统的认知等. 也正如钱学森曾提出的[1]， “要建立定性和定量综合集成的复杂系统研究方***， 即要从整体上研究和解决问题， 采用人机结合以人为主的思维方法和研究方式， 对不同层次、不同领域的信息和知识进行综合集成， 达到对整体的定量认识. ”

对不确定性的分析、建模和处理建立在四大理论基础之上， 概率论以其坚实的数学理论基础为随机不确定性的研究提供了强大的工具支持； 模糊集理论为处理客观世界中“亦此亦彼” 的模糊现象提供了技术手段； 粗糙集可以有效地在不确定、不完备信息中发现并揭示隐含的知识和规律； 证据理论将概率

在线阅读地址：证据网络推理学习理论及其应用在线阅读

在线听书地址：证据网络推理学习理论及其应用在线收听

在线购买地址：证据网络推理学习理论及其应用在线购买

暂无原文赏析，正在全力查找中！

暂无其它内容！