不確定性決策是目前管理科學研究和套用中的一個熱點問題。客觀世界的實際問題往往涉及眾多相互聯繫又相互影響的因素，這些因素本身及其相互之間的關係都存在大量的不確定性，而不確定性可分為兩類，一類是反映客觀事物內在本質的隨機不確定性，一類是反映由於人們對客觀世界的認識不足、信息缺失或知識缺乏而導致的認知不確定性。如何描述各種不確定性，如何在複雜關係分析中對問題有效的建模，如何綜合定量數據和定性知識而做出科學的決策，都對不確定性管理決策問題的研究提出了新的挑戰。 為應對上述挑戰，本書在定性定量綜合集成方法論的指導下，通過對D-S證據理論和圖模型基礎理論的研究，借鑑貝葉斯網路模型的研究思路，提出了證據網路模型。證據網路模型是D-S證據理論和圖模型的結合，其可以充分發揮D-S證據理論在不確定性信息處理，尤其是認知不確定性的建模和分析上的理論優勢，發揮圖模型在問題描述。。。
基本介紹
- 書名：證據網路推理學習理論及其套用
- 作者：姜江 陳英武
- 出版日期：2013年8月1日
- 語種：簡體中文
- 品牌：科學出版社
- 外文名：Theory and Applications of Evidential Network Reasoning and Learning
- 出版社：科學出版社
- 頁數：141頁
- 開本：5
內容簡介,圖書目錄,
內容簡介
《證據網路推理學習理論及其套用》主要面向管理科學與工程、控制科學與工程、信息技術等領域的學者及研究生，也可供相關領域的研究人員閱讀參考。
圖書目錄
前言
第1章緒論
1.1不確定性建模理論
1.1.1不確定性分類
1.1.2不確定性處理
1.2不確定性推理方法
1.2.1主要的不確定性推理方法
1.2.2貝葉斯網路與影響圖
1.3證據理論相關研究現狀
1.3.1 D—S證據理論的提出
1.3.2 D—S證據理論綜述
1.3.3證據推理
1.3.4證據網路
1.3.5證據理論與風險決策
1.4存在的問題
1.5本書主要內容及安排
1.5.1研究思路
1.5.2研究內容
第2章證據網路模型
2.1證據理論與圖模型基礎
2.1.1 D—S證據理論
2.1.2圖模型
2.2證據網路模型的定義
2.2.1證據網路的概念
2.2.2證據網路的特點
2.2.3證據網路建模過程
2.3證據網路模型的結構
2.3.I結點之間的關係
2.3.2基於樹模型的證據網路結構建模
2.3.3基於因果關係圖的證據網路結構建模
2.4證據網路模型的參數
2.4.1知識表示模型
2.4.2證據網路參數的條件信度表示
2.4.3證據網路參數的信度規則表示
2.5小結
第3章 條件信度參數模型下的證據網路推理
3.1條件信度參數模型下的證據網路推理問題
3.1.1推理問題
3.1.2研究思路
3.2證據網路條件信度推理方法
3.2.1條件信度函式計算基礎理論
3.2.2證據網路條件信度的正向推理
3.2.3證據網路條件信度的反向推理
3.2.4證據網路條件信度的乘積規則
3.2.5證據網路條件信度推理算例
3.3證據網路信度合成方法
3.3.1信度合成悖論分析
3.3.2一種新的證據衝突度量方法
3.3.3基於衝突度量的信度合成方法
3.4證據網路在航天系統安全性分析中的套用
3.5小結
第4章 信度規則參數模型下的證據網路推理
4.1信度規則參數模型下的證據網路推理問題
4.1.1推理問題
4.1.2研究思路
4.2不完全信息情況下結點權重獲取方法
4.2.1偏好關係的定義與表示
4.2.2基於目標規劃的權重獲取方法
4.2.3結點權重獲取的數值算例
4.3基於ER的證據網路推理方法
4.3.1信度結構數據轉化
4.3.2信度規則的激活
4.3.3證據網路信度規則推理與合成算法
4.3.4證據網路信度規則推理結果分析
4.4證據網路在軍事威脅評估與預測中的套用
4.5小結
第5章證據網路參數學習
5.1證據網路參數學習問題
5.1.1參數學習的研究思路
5.1.2參數學習問題的數學模型
5.1.3多級證據網路的參數學習
5.2參數學習目標函式的計算
5.2.1信度結構模型的距離定義
5.2.2參數學習的目標函式
5.3基於投影梯度法的證據網路參數學習
5.3.1投影梯度法
5.3.2參數學習目標函式的梯度
5.3.3基於投影梯度的證據網路參數學習方法
5.4證據網路參數學習套用
5.4.1石油管線風險預警證據網路模型的參數學習
5.4.2交通事故風險預測證據網路模型的參數學習
5.5小結
第6章 證據網路信度規則模型庫結構學習
6.1證據網路信度規則模型庫結構學習問題
6.2基於約減技術的信度規則模型庫結構學習
6.2.1維度約減技術
6.2.2基於約減的信度規則模型庫結構學習
6.3證據網路信度規則模型庫結構學習套用
6.3.1示例背景分析與建模
6.3.2不同約減技術的關鍵前件屬性選擇
6.3.3灰靶與主成分分析結果對比—
6.3.4多尺度分析與主成分分析結果對比
6.3.5主成分分析結果魯棒性分析
6.4小結
第7章總結與展望
7.1本書總結
7.2展望
參考文獻
索引
第1章緒論
1.1不確定性建模理論
1.1.1不確定性分類
1.1.2不確定性處理
1.2不確定性推理方法
1.2.1主要的不確定性推理方法
1.2.2貝葉斯網路與影響圖
1.3證據理論相關研究現狀
1.3.1 D—S證據理論的提出
1.3.2 D—S證據理論綜述
1.3.3證據推理
1.3.4證據網路
1.3.5證據理論與風險決策
1.4存在的問題
1.5本書主要內容及安排
1.5.1研究思路
1.5.2研究內容
第2章證據網路模型
2.1證據理論與圖模型基礎
2.1.1 D—S證據理論
2.1.2圖模型
2.2證據網路模型的定義
2.2.1證據網路的概念
2.2.2證據網路的特點
2.2.3證據網路建模過程
2.3證據網路模型的結構
2.3.I結點之間的關係
2.3.2基於樹模型的證據網路結構建模
2.3.3基於因果關係圖的證據網路結構建模
2.4證據網路模型的參數
2.4.1知識表示模型
2.4.2證據網路參數的條件信度表示
2.4.3證據網路參數的信度規則表示
2.5小結
第3章 條件信度參數模型下的證據網路推理
3.1條件信度參數模型下的證據網路推理問題
3.1.1推理問題
3.1.2研究思路
3.2證據網路條件信度推理方法
3.2.1條件信度函式計算基礎理論
3.2.2證據網路條件信度的正向推理
3.2.3證據網路條件信度的反向推理
3.2.4證據網路條件信度的乘積規則
3.2.5證據網路條件信度推理算例
3.3證據網路信度合成方法
3.3.1信度合成悖論分析
3.3.2一種新的證據衝突度量方法
3.3.3基於衝突度量的信度合成方法
3.4證據網路在航天系統安全性分析中的套用
3.5小結
第4章 信度規則參數模型下的證據網路推理
4.1信度規則參數模型下的證據網路推理問題
4.1.1推理問題
4.1.2研究思路
4.2不完全信息情況下結點權重獲取方法
4.2.1偏好關係的定義與表示
4.2.2基於目標規劃的權重獲取方法
4.2.3結點權重獲取的數值算例
4.3基於ER的證據網路推理方法
4.3.1信度結構數據轉化
4.3.2信度規則的激活
4.3.3證據網路信度規則推理與合成算法
4.3.4證據網路信度規則推理結果分析
4.4證據網路在軍事威脅評估與預測中的套用
4.5小結
第5章證據網路參數學習
5.1證據網路參數學習問題
5.1.1參數學習的研究思路
5.1.2參數學習問題的數學模型
5.1.3多級證據網路的參數學習
5.2參數學習目標函式的計算
5.2.1信度結構模型的距離定義
5.2.2參數學習的目標函式
5.3基於投影梯度法的證據網路參數學習
5.3.1投影梯度法
5.3.2參數學習目標函式的梯度
5.3.3基於投影梯度的證據網路參數學習方法
5.4證據網路參數學習套用
5.4.1石油管線風險預警證據網路模型的參數學習
5.4.2交通事故風險預測證據網路模型的參數學習
5.5小結
第6章 證據網路信度規則模型庫結構學習
6.1證據網路信度規則模型庫結構學習問題
6.2基於約減技術的信度規則模型庫結構學習
6.2.1維度約減技術
6.2.2基於約減的信度規則模型庫結構學習
6.3證據網路信度規則模型庫結構學習套用
6.3.1示例背景分析與建模
6.3.2不同約減技術的關鍵前件屬性選擇
6.3.3灰靶與主成分分析結果對比—
6.3.4多尺度分析與主成分分析結果對比
6.3.5主成分分析結果魯棒性分析
6.4小結
第7章總結與展望
7.1本書總結
7.2展望
參考文獻
索引
