高晓光，辽宁鞍山人，1957年生，博士。西北工业大学教授、博士生导师，国家示范型国际科技合作基地“飞行器综合体效能分析国际科技合作基地”主任、教育部重点实验室“空天电子信息感知与光电控制”实验室主任。中国指挥与控制学会常务理事。长期从事贝叶斯网络、飞行器智能决策系统和效能评估技术研究，主持并完成国家自然科学基金、装备预研等项目20余项。获省部级科技进步奖6项。出版学术专著3部，在国内外重要期刊和学术会议上发表论文150余篇，SCI/EI检索100余篇。
　　
　　陈海洋，陕西户县人，1967年生，博士。西安工程大学讲师、硕士生导师，长期从事人工智能、贝叶斯网络的理论与应用研究，参与三项有关贝叶斯网络智能决策方面的国家自然科学基金研究，在动态贝叶斯网络推理算法的研究上取得了一些原创性的研究成果。先后主持和参与各类研究项目10项。出版教材2部、学术专著1部，发表论文20余篇，SCI／EI检索10余篇。

　　贝叶斯网络起源于20世纪80年代中期对人工智能中的不确定性问题的研究，已成为人工智能的一个重要领域，对统计学、系统工程、信息论、模式识别等学科产生了重要的影响。被广泛应用于医疗诊断、工业应用、金融分析、计算机系统、军事应用、生物信息等领域。
　　《离散动态贝叶斯网络推理及其应用》以无人机的智能决策为背景，系统论述了离散动态贝叶斯网络的基本理论、算法及其应用的中文专著。《离散动态贝叶斯网络推理及其应用》共分7章，内容涵盖了贝叶斯网络的基础知识、离散动态贝叶斯网络的精确推理、离散动态贝叶斯网络的近似推理、变结构动态贝叶斯网络的推理、离散动态贝叶斯网络缺失数据的修补及离散动态贝叶斯网络在无人机自主智能决策中的应用。《离散动态贝叶斯网络推理及其应用》从实例出发，由浅入深，直观与严谨相结合，并提供详尽的参考文献。
　　《离散动态贝叶斯网络推理及其应用》适用于相关专业的高年级本科生、研究生和科研人员。

第1章 无人机自主决策与贝叶斯网络
1．1 无人机自主决策
1．2 无人机自主决策中的几种人工智能方法对比
1．3 贝叶斯网络的研究现状
1．3．1 贝叶斯网络信息表达
1．3．2 贝叶斯网络推理方法
1．3．3 动态贝叶斯网络研究现状
1．3．4 变结构动态贝叶斯网络研究现状

第2章 贝叶斯网络及其推理
2．1 贝叶斯网络基础
2．1．1 节点及其取值
2．1．2 结构
2．1．3 参数
2．2 贝叶斯网络的特性
2．2．1 条件独立性
2．2．2 有向分隔
2．3 贝叶斯网络推理的基本类型
2．4 单连通网络的精确推理
2．4．1 单连通网络和多连通网络
2．4．2 消息传播算法
2．4．3 算例
2．5 多连通网络的精确推理
2．5．1 联接树算法基本流程
2．5．2 算例
2．5．3 算法分析
2．6 不确定证据的推理
2．6．1 证据类型
2．6．2 虚拟节点
2．6．3 消息传播算法中不确定证据的推理
2．6．4 联接树算法中不确定证据的推理

第3章 离散动态贝叶斯网络及其精确推理
3．1 动态贝叶斯网络
3．1．1 动态贝叶斯网络的定义及表示
3．1．2 动态贝叶斯网络推理的基本任务
3．2 前向后向算法
3．2．1 算法描述
3．2．2 算例
3．3 改进的前向后向算法及复杂度分析
3．3．1 算法描述
3．3．2 复杂度分析
3．3．3 算例
3．4 快速前向后向算法
3．4．1 算法描述
3．4．2 复杂度分析
3．5 基于双向计算因子的前向后向算法
3．5．1 双向计算因子的定义
3．5．2 算法描述
3．5．3 复杂度分析
3．5．4 算例
3．6 接口算法
3．6．1 接口算法描述
3．6．2 复杂度分析
3．7 离散动态贝叶斯网络的直接计算推理算法
3．7．1 直接计算推理算法基础
3．7．2 传统离散动态贝叶斯网络的数据结构
3．7．3 算法描述
3．7．4 复杂度分析
3．7．5 算例
3．8 离散模糊动态贝叶斯网络及其推理
3．8．1 模糊分类
3．8．2 算法描述
3．8．3 复杂度分析
3．8．4 算例

第4章 离散动态贝叶斯网络的近似推理
4．1 时间窗和时间窗宽度的基本概念
……
第5章 变结构动态贝叶斯网络的推理
第6章 离散动态贝叶斯网络缺失数据的修补
第7章 基于离散动态贝叶斯网络的无人机智能决策
参考文献
后记