內容介紹《貝葉斯網路參數學習及對無人機的決策支持》共分3個部分。第一部分是BN理論基礎，包括第]章和第2章。第！章介紹了UAV自主決策方法的國內外研究現狀，重點對BN理論研究進展情況進行了分析，提出解決不確定環境下UAV自主決策問題涉及的關鍵問題，並以此為基礎引申出《貝葉斯網路參數學習及對無人機的決策支持》相關內容。第2章介紹了靜態BN的概念，在此基礎上對DBN的概念、結構學習方法、推理方法、參數學習方法和時變DBN發展狀況進行描述。第二部分主要介紹信息不完備小樣本離散動態貝葉斯網路參數學習方法，包括第3章和第4章。第3章以小樣本觀測條件下參數學習為重點，介紹了靜態BN參數學習算法、約束條件下靜態網路參數學習算法、前向遞歸參數學習機制和約束條件下動態網路參數學習算法。第4章以數據缺失條件下參數學習為重點，介紹了基於支持向量機的靜態BN和離散DBN參數學習算法。第三部分是貝葉斯網路及參數學習方法在UAV自主決策中的套用，包括第5章和第6章。第5章主要以戰場環境下UAV攻擊任務決策為主線，借鑑多模型建模機理完成時變環境感知模型構建，總結出變結構離散DBN推理模型的變化規律，在複雜戰場環境的背景下對第3章介紹的參數學習算法進行套用。第6章在突發移動威脅的背景下，首先介紹了突發威脅狀態信息丟失時基於目標狀態估計的路徑重規劃決策模型。其次針對UAV線上路徑規劃問題，介紹了變結構離散DBN與模型預測控制算法相結合的路徑規劃方法，並對該方法進行了仿真實驗。
