动态贝叶斯网络
动态贝叶斯网络（Dynamic Bayesian Network, DBN），是一个随着毗邻时间步骤把不同变量联系起来的贝叶斯网络。这通常被叫做“两个时间片”的贝叶斯网络，因为DBN在任意时间点T，变量的值可以从内在的回归量和直接先验值（time T-1）计算。DBN是BN（Baysian Network）的扩展，BN也称作概率网络（Probabilistic Network）或信念网络（Belief Network）。前言不确定性理论在人工智能机器学习、自动控制领域已经得到越来越广泛的应用。本书以当前国际上不确定性研究领域的核心工具—动态贝叶斯网络为线索,进行了动态网络推理算法、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、基于概率模型进化算法的动态贝叶斯网络结构寻优算法的研究。推理算法以隐变量作为划分依据,讨论了离散、连续、混合模型的推理算法,并进行了算法复杂度及应用领域的讨论;结构学习研究首先从度量体制人手,讨论了动态网络度量体制的可分解性,提出了平稳及非平稳系统网络结构学习模型,以及基于贪婪算法思想的遗传算法寻优思想;最终将推理及结构学习理论用于无人机路径规划、战场态势感知、动态数据挖掘、自主控制领域,并通过大量仿真检验。本书的研究工作得到了西安工业大学专着甚金及国家自然科学基金重大研究计划(90205019)的资助。本书全面系统地介绍了动态贝叶斯网络的相关理论,重点介绍了动态网络的经典应用和国内外的新发展。全书共分9章。第1章概述了动态贝叶斯网络的产生与发展、基本操作及表达。第2章和第3章为本书的理论基础部分,首先从静态网络已经取得的理论成果及研究内容人手,由浅入深引出动态贝叶斯网络的基本概念及研究方向,确定本书将要解决的主要问题:DBN推理问题和连续变量的DBN结构学习问题。第4章在第3章基础上,详细讨论了三类动态贝叶斯网络的推理即隐变量离散、隐变量连续、隐变量混合DBN推理;隐马尔科夫模型是所有离散动态网络的基础,故首先介绍其表达及推理,由此派生出其他离散动态网络,并讨论了奶何将复杂离散网络转化为简单HMM的方法,通过算法复杂度实验分析,明确了离散动态网络的相应属性,得出了相应结论,为合理选择DBN推理算法提供依据;在推理中,若系统参数未知或为时变系统,必然涉及参数学习,故在讨论三类网络的推理中亦涉及参数学习问题。第5章从静态网络结构度量机制入手,讨论并推导出动态贝叶斯网络结构用于网络结构度量的BIC及BD度量机制;通过描述基于概率模型进化算法的构图基础,引出动态贝叶斯网络结构学习机制,即基于贝叶斯优化(BOA)的动态网络结构寻优算法,BOA算法的关键是根据优良解集学习得到动态贝叶斯网络,以及根据动态贝叶斯网络推理生成新个体,前者更为重要,按照本书提出的基于贪婪箅法思想的遗传算法解决动态网络学习,然后应用动态贝叶斯网络前向模拟完成后一步。第6章在此基础上,刻画了基于BD度量体制的平稳动态系统DBN结构学习模型设计,并通过仿真验证了其有效性针对非平稳随机系统DBN的结构学习模型,提出了一种自适应窗口法用于在线自适应学习变结构DBN结构,仿真结果可行。第7章在第4章DBN推理理论的基础上,从以往UCAⅴ路径规划中使用的方法以及涉及的定义、术语等出发,讨论了静态路径规划、动态路进规划及空间路径规划三方面的基本问题,通过对原始 Voronoi图的改进,提出了平面改进型Voronoi图、空间改进型 Voronoi图的概念,以及平面及空间动态路径重规划区域原则等,为动态路径规划提供有力的整体构型支撑,进而应用前几章理论基础,建立基于DBN的战场环境感知模型,仿真结果均表明了构图及动态决策模型的正确性。第8章在DBN推理及结构学习的理论基础上,将其用于自主优化及动态数据挖掘。将BOA及基于概率模型的遗传算法的静态图形的优化机制进行推广,提出了一种动态优化的新方法,利用DBN作为t到t+1代转移网络,适时改变优化的基本条件,实时确立新的种群及优化的方向,使得自主智能体在无人干预下顺利完成一系列复杂任务成为可能,将变结构DBN结构学习模型设计用于动态数据挖掘,实时确定个因素之间的关系。第9章通过两个典型的应Ⅳ用实例,将DN推理学习理论进行融合,并用于实际模型。附录给出了与DN结构度量相关定理、性质的证明,为读者进一步研究和学习动态贝叶斯网络提供参考。本书是作者近年来潜心学习和研究国内外不确定性算法理论、方法和应用成果的一个总结。在本书的编写过程中,得到了西安电子科技大学焦李成教授和清华大学戴琼海教授及英国BankUniversity陈大庆教授的热心指导和鼓励,新加坡南洋理工大学的王海芸博土后审阅了书稿,并提出了许多宝贵意见,特向他们表示衷心的感谢。由于涉及内容广泛及限于作者的学识水平,书中疏漏和不当之处在所难免,希望读者不吝赐教指正。作者目录第1章图模型与贝叶斯网络1.1图模型简介1.2动态贝叶斯网络鲁+垂香曲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曾··會世57781.3.2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…10第2章静态贝叶斯网络…112.1静态贝叶斯置信网络2.2贝叶斯网络的特点与应用范围……………152.3贝叶斯网络的研究内容162.3.1计算复杂性162.3.2网络结构的确定问题2.3.3已知结构的参数确定问题…………182.3.4在给定结构上的概率计算…4福通而看高自曲着看西画192.3.5贝叶斯网络推理算法…………………19第3章动态贝叶斯网络基础283.1从静态网到动态网283.1.1概述283.1.2推导…………………………293.1.3动态贝叶斯网络表达要鲁垂鲁鲁中t曲·曹市壘曾曹吾普·量313.2动态贝叶斯网络的研究内容…………353.2.1动态贝叶斯网络推理……………………363.2.2动态贝叶斯网络学习…………………………39第4章动态贝叶斯网络推理464.1隐变量离散动态网络推理464.1.1模型数学描述…………………464.1.2马尔科夫的研究内容…4.1.3隐马尔科夫推理学习仿真…534.1.4隐马尔科夫其他拓扑形式…………564.1.5一般离散动态网络和隐马尔科夫关系584.2动态贝叶斯网络推理算法性能分析604.2.1动态网络转化隐马尔科夫仿真…614.2.2离散动态网络推理算法比较仿真……634.2.3连续动态网络推理比较仿真………724.3模糊推理与隐马尔科夫结合炮火校射……………754.3.1概述…音曲曹香音音音吾晋自粤吾·自·754.3.2模糊动态网络环境感知框架754.4隐变量连续动态网络推理4.4.1模型数学描述…794.4.2卡尔曼滤波图模型推理·日·曹曹曾鲁····804.5混合隐状态动态贝叶斯网络834.5.1模型数学描述……b音量章申曾要中命要即命·甲看834.5.2混合动态贝叶斯网络推理864.5.3混合动态贝叶斯网络学习89第5章动态贝叶斯网络结构学习算法……915.1动态贝叶斯网络结构度量体制…………915.1.1概述…………915.1.2动态网络的贝叶斯信息度量935.1.3动态贝叶斯网络BD度量965.2动态贝叶斯网络度量分解性能分析省着带鲁曹曹曹鲁鲁鲁虚鲁鲁中·985.3构建动态网络结构寻优算法…1145.3.1基于概率模型的进化算法…1155.3.2基于贝叶斯优化构造动态网络结构算法…1165.3.3学习动态贝叶斯网络……………1185.3.4动态夏叶斯网络推理1275.4基于贝叶斯优化构建动态网络结构算法仿真…128第6章动态贝叶斯网络结构学习模型1346.1平稳系统动态网络结构学习模型设计1346.1.1模型设计1356.1.2仿真试验1386.2变结构动态网络自适应结构学习模型设计…………1446,2,1模糊自适应双尺度1446.2.2动态系统非平稳程度和平稳性的测量1516.3非平稳系统网络结构学习仿真试验153第7章基于动态贝叶斯网络的路径规划1657.1无人机平面静态路径规划…1657.1.1基本概念……………1657.1.2基于相同威胁体的路径规划…1667.1.3不同威胁体下平面路径规划1717.1.4路径细化暨要命要曹吾帝吾辛事壶要面要吾吾曹中垂要晋吾曹事1767.2无人机动态路径规划1787,2.1概述1797.2.2平面动态环境下局部路径构图原则1797.2.3威胁变化下无人机平面路径规划………1827.2.4突发威胁体下无人机平面路径重规划研究1867.3无人机空间路径规划研究………………………1907.3.1空间改进型 Voronoi图………1907.3.2威胁变化下局部路径构图区域原则1957.3.3局部路径选择原则及战场感知模型…197第8章基于动态贝叶斯网络的自主控制…1998.1概述…1998.2快速构建决策网络结构方法…2008.2.1链形决策网络模型的建立………2018.2.2决策网络树形模型结构学习算法…2048.2.3一般决策网络结构学习算法2058.3进化算法与动态网络混合优化……2068.3.1算法基本思想2068.3.2转移网络作用中鲁鲁··章鲁···自··………2108.3.3混合优化自主控制算法描述…2108.3.4混合优化自主控制算法软件实现………211第9章无人机自主控制应用研究2249.1基于混合优化的无人机路径重规划.2249.1.1自主控制过程描述2249.1.2混合优化无人机路径规划仿真…2259.2无人机攻击多目标路径规划………………2379.2.1自主控制过程描述……………2389.2.2初始动态网络图构型2399.2.3无人机自主攻击多随机运动目标仿真240附录贝叶斯网络局部结构度量数学基础250A.1链形模型局部结构度量250A.2树形模型局部结构度量253A.3局部贝叶斯网络度量………………………………257参考文献…………………………………262
- 2021-05-06下载
- 积分：1
2018年度中国主要城市交通分析报告
2018年度中国主要城市交通分析报告，《中国主要城市交通分析报告》以高德交通大数据发布平台、大数据开放平台、阿里云MaxCompute及相关数据挖掘支持为基础，描述城市交通现状、呈现演变规律、预测未来发展趋势，并专注拥堵成因及解决对策的研究。本年报由高德地图联合“中国社会科学院社会学研究所”、“未来交通与城市计算联合实验室”、“阿里云”、“重庆交通大学蔡晓禹教授团队”、“山地城市交通系统与安全重庆市重点实验室”、“华南理工大学林永杰团队”共同联合发布。高德地图愿开放数据与政府、企业、院校等研究机构合作，共建交通共同体。年度高德地圖概述中国主要城市交通分析报告Summary《中国主要城市交通分析报告》以高德交通大数据发布平台、大数据开放平台、阿里云 Maxcompute及相关数据挖掘支持为基础,描述城市交通现状、呈现演变规律、预测未来发展趋势,并专注拥堵成因及解决对策的硏究。本年报由高德地图联合“中国社会科学院社会学研究所”、“未来交通与城市计算联合实验室”、“阿里云”、“重庆交通大学蔡晓禹教授团队”、“山地城市交通系统与安全重庆市重点实验室”、“华南理工大学林永杰团队”共同联合发布。高德地图愿开放数据与政府、企业、院校等研究机构合作,共建交通共同体。联合发布品贴A未来交通与城市计算联含实验室JOINT LABORATORYc】阿里云FOR FUTURE TRANSPORT AN URDAN COMPUTINI年度高德地圖编制说明中国主要城市交通分析报告Report description调研城市:361城+全国高速城市范围:选取城市的中心城区作为城市道路网评价范围,各城市中心城区范围是根据政府公开数据、交通岀行大数据、高德地图开放平台定位数据、交通出行大数据综合挖掘研判划定样本说明:交通评价中,公共交通车流独立区分计算数据呈现:采用“九宫格”指标综合评价和表征城市交通运行健康状况,其中“路网高峰行程延时指数”、“路网高峰拥堵路段里程比”、“骨干道路运行速度偏差率”、“路网高延时运行时间占比”四项指标已兼容公安部、中央文明办、住房和城乡建设部、交通运输部四部委、办联合印发《城市道路交通文明畅通提升行动计划(2017-2020)》的第三方评估标准。时间说明:全天06:0-22:00早高峰07:00-09:00晚高峰17:00-19:00常规说明无特殊说明,本报告统计时间均为2018年1月1日~2018年12月31日分析范围:50城选取361+城市和全国高速50个城市高德地圖编制说明年度中国主要城市交通分析报告Report description指标扩维:路网行程延时指数->九宫格矩阵->健康诊断全国二大堵点治理方案备网高延通勤拥堵时间(时运行时)(压力经济损失九宫格路网高峰常发拥缓行路矩阵空间(拥堵路段】(堵路段】段里程交通健康指数里程比里程比广州沿江西路效率路网高峰平均(珠江北岸-沿江西路)行程延时速度更新说明指数出行扩维:增加公共交通重庆鸿恩路群众艺术馆一鸿恩寺立交私家车公共交通目录Catalog01主要城市交通运行现状交通健康指数立体诊断城市交通畅通文明工程指标研究公共交通运行分析02年度城市出行标签年度出行盘点城市边界及核心区发展03城市交通病解决方案未来交通与城市计算联合实验室年度成果展堵点治理方案年度高德地圖中国主要城市交通分析报告01中国主要城市交通运行现状年度高德地圖中国主要城市交通分析报告“交通健康指数”立体诊断城市交通“交通健康指数”计算说明高德地amap. Cam随着城市交通复杂性增加和智能交通的飞速发展,单一指标的评价和诊断已不能满足我国交通运行的多样化。高德首创城市交通病诊断的综合性评价“交通健康指数”来全面刻画城市交通运行状况,该指数从时间、空间、效率的九项交通运行指标的综合评价,实现城市全方位立体化智慧运行诊断。该指数算法沿用国际通用的信息熵法客观确定评价指标权重(该方法在政府权威部门、社会经济、学术领域的各类报告中得到广泛普遍应用);同时,采用 TOPSIS正负理想解的计算进行排名,最终评分结果代表各城市九宫格指标与理想值之间的接近程度。“交通健康指数”越髙说眀离理想值越近,城市运行相对越健康;指数越低则说明多项指标距离理想值越远,相对越不健康。九项指标信息熵权重分配■权重确定方法—熵值法排名得分方法—TOPS|s1)各项指标运用最大最小值归一化处理,并考1)对于反向指标采用取倒数进行同向处理,然后进行数据规范化效率一骨干时间一路网虑指标的正反向进行调整2道路运行速高延时运行度偏差率,时间占比2)计算第项指标下第个样本值占该指标的比重刻率一高峰平为11.6%114%/时间-通勤2)利用欧式距离计算与最优最劣目标的距离,并乘以权重压力指数pp9.8%;{z;-x)2,D:(21-2)2效率一路网高时间一日拥3〕计算第j项指标的熵值行程延时捐数,10.7%堵经济损失e=-k∑p;lm(P;),=1,…,m3)计算各评价对象与最优方案的贴近程度空间一高峰12.6%缓行路段里空间一路网D:+D程比,98%高峰拥堵路4)计算信息熵冗余度空间一常发段里程比值越接近1,表示评价对象越优秀。在城市健康指薮中,所得结果即代表着该城市健康拥堵路段里10.3%d1=1程比5)计算各项指标权重水平与最优目标的接近百分比。15.2%d∑d最终计算各指标权重如左图所示。2018年度中国“交通健康城市”分布热力图高德地amap. Cam2018年度中国主要城市“交通健康指数”分布热力图地域分布来看■从数据分布来看,一线及省会等大型城市的“交通健康指数”相对普遍较低;其指数与城市均值线差距较远,处于亚健康状态全国50个主要城市中,长三角地区除上海外大部分城市“交通健康指数”相对较高,处于相对健康状态,珠三角的大部分城市指数较高,相对处于亚健康
- 2020-12-09下载
- 积分：1
