全书共分10章．介绍了贝叶斯网络的相关理论及应用。附录部分给出了与DBN结构度量相关定理、性质的证明。
本书内容新颖，选材广泛，突出实践与应用，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。

第1章 图模型与贝叶斯网络
1.1 图模型简介
1.2 贝叶斯网络概述
1.3 贝叶斯网络理论基础
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 静态贝叶斯置信网络
2.2 静态网络的推理
2.2.1 证据相关法
2.2.2 证据相关法在目标识别中的应用
第3章 动态贝叶斯网络基础
3.1 概述
3.2 动态贝叶斯网络应用研究
3.2.1 动态时序数据分析与挖掘
3.2.2 无人机的态势感知与路径规划
3.2.3 进化算法与动态贝叶斯网络混合优化
3.3 从静态网到动态网
3.3.1 概述
3.3.2 推导
3.3.3 动态贝叶斯网络表达
3.4 动态贝叶斯网络的研究内容
3.4.1 动态贝叶斯网络推理
3.4.2 动态贝叶斯网络学习
第4章 动态贝叶斯网络相关理论
4.1 最优估计理论基础
4.1.1 模型参数估计问题
4.1.2 状态最优估计问题
4.1.3 最优信息融合估计问题
4.2 卡尔曼滤波器线性系统最优滤波和预测
4.2.1 直观法证明卡尔曼滤波公式
4.2.2 正交投影理论证明卡尔曼滤波
4.3 基于卡尔曼滤波的信息融合滤波理论
4.3.1 按矩阵加权线性最小方差最优融合准则和算法
4.3.2 按标量加权线性最小方差最优信息融合准则和算法
4.3.3 按对角阵加权线性最小方差最优化融合估计准则和算法
第5章 动态贝叶斯网络推理
5.1 隐变量离散动态网络推理
5.1.1 模型数学描述
5.1.2 隐马尔可夫的研究内容
5.1.3 一般离散动态网络和隐马尔可夫关系
5.2 隐变量连续动态网络推理
5.2.1 模型数学描述
5.2.2 卡尔曼滤波图模型推理
5.3 混合隐状态动态贝叶斯网络
5.3.1 模型数学描述
5.3.2 混合动态贝叶斯网络推理
第6章 动态贝叶斯网络结构学习算法
6.1 动态贝叶斯网络结构度量体制
6.1.1 概述
6.1.2 动态网络的贝叶斯信息度量
6.1.3 动态贝叶斯网络BD度量
6.2 构建动态网络结构寻优算法
6.2.1 DBN学习
6.2.2 DBN推理
第7章 动态贝叶斯网络结构学习模型
7.1 平稳系统动态网络结构学习模型设计
7 1.1 模型设计
7.1.2 仿真试验
7.2 变结构动态网络自适应结构学习模型设计
7.2.1 模糊自适应双尺度
7.2.2 动态系统非平稳程度和平稳性的测量
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 进化算法与动态贝叶斯网络混合优化
8.3.1 算法基本思想
8.3.2 混合优化自主控制算法描述
第9章 无人机自主控制应用研究
9.1 基于动态贝叶斯网络的路径规划
9.1.1 无人机平面静态路径规划
9.1.2 无人机动态路径规划
9.2 无人机自主路径规划实例
9.2.1 基于混合优化的无人机路径重规划
9.2.2 无人机攻击多目标路径规划
第10章 动态贝叶斯图模型在人机交互中的应用
10.1 动态贝叶斯图模型连续手语识别
10.1.1 手语识别的意义
10.1.2 手语识别的国内外现状
10.1.3 迫切需要解决的科学技术问题
10.2 动态贝叶斯图模型手语识别的一般问题
10.2.1 一般问题概述
10.2.2 基于视觉的三维手语运动捕获研究
10.2.3 基于图模型的连续手语理解研究
10.2.4 体感交互连续手语识别示范系统构建
10.3 手语识别问题的解决方案
10.3.1 方案思路概述
10.3.2 三维手势运动捕获研究
10.3.3 基于图模型的连续手语理解研究
10.3.4 基于肢体运动的人机交互示范系统研究
10.4 动态贝叶斯图模型肢体人机交互
10.4.1 肢体人机交互的研究意义
10.4.2 国内外研究现状分析
10.5 动态贝叶斯图模型人机交互的一般问题
10.6 人机交互问题的解决方案
10.6.1 基于图模型的人体运动三维运动捕获研究
10.6.2 基于图模型的人机交互运动理解研究
1O.6.3 基于肢体运动的人机交互示范系统研究
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