证据网络推理学习理论及其应用

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.I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冲突度量方法

3.3.3基于冲突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

6.4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

《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。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。客观世界的实际问题往往涉及众多相互联系又相互影响的因素，这些因素本身及其相互之间的关系都存在大量的不确定性，而不确定性可分为两类，一类是反映客观事物内在本质的随机不确定性，一类是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。如何描述各种不确定性，如何在复杂关系分析中对问题有效的建模，如何综合定量数据和定性知识而做出科学的决策，都对不确定性管理决策问题的研究提出了新的挑战。　　　为应对上述挑战，本书在定性定量综合集成方法论的指导下，通过对D-S证据理论和图模型基础理论的研究，借鉴贝叶斯网络模型的研究思路，提出了证据网络模型。证据网络模型是D-S证据理论和图模型的结合，其可以充分发挥D-S证据理论在不确定性信息处理，尤其是认知不确定性的建模和分析上的理论优势，发挥图模型在问题描述。。。