《贝叶斯网络理论及其在军事系统中的应用》系统地介绍了贝叶斯网络推理学习的理论、模型与算法及其在军事系统中的应用。全书共13章，包括贝叶斯网络的基本理论、贝叶斯网络的结构学习、贝叶斯网络的参数学习、贝叶斯网络的推理、动态贝叶斯网络技术、贝叶斯网络的扩展模型、贝叶斯优化算法及贝叶斯网络在军事系统中的应用。
    《贝叶斯网络理论及其在军事系统中的应用》取材广泛，覆盖面广，内容翔实，实用性强。它紧密结合复杂智能决策系统发展的需要，吸收国内外有关贝叶斯网络方法的内容和成果，还引入了大量科研成果中的技术资料和实例。《贝叶斯网络理论及其在军事系统中的应用》可为从事人工智能、推理决策以及军事应用等领域的工程技术人员提供参考，还可作为人工智能、运筹学和系统工程等专业的研究生教材或参考书。

第1章 概论
1.1 复杂系统的决策理论
1.1.1 复杂决策系统概述
1.1.2 复杂决策系统的不确定性
1.1.3 复杂决策系统的决策方法
1.2 贝叶斯网络的产生和发展
1.2.1 贝叶斯网络的产生
1.2.2 贝叶斯网络的发展
1.2.3 贝叶斯网络的应用
1.3 面向复杂决策系统的贝叶斯网络建模
1.3.1 贝叶斯网络在决策系统中的应用
1.3.2 复杂决策系统的贝叶斯网络建模过程
1.3.3 基于贝叶斯网络的知识发现与决策过程

第2章 贝叶斯网络的理论基础
2.1 贝叶斯网络的概率基础
2.1.1 概率函数与概率空间
2.1.2 随机变量与联合概率分布
2.1.3 条件概率与独立性
2.1.4 贝叶斯准则
2.1.5 马尔科夫性
2.2 贝叶斯网络的图论基础
2.2.1 图的基本概念
2.2.2 无向图模型
2.2.3 有向图模型
2.2.4 D-分离准则
2.3 贝叶斯网络
2.3.1 贝叶斯网络的定义
2.3.2 贝叶斯网络的语义
2.3.3 贝叶斯网络的分类
2.3.4 贝叶斯网络的特点
2.4 贝叶斯网络模型
2.4.1 贝叶斯网络的信息管道模型
2.4.2 贝叶斯网络的小球模型
2.5 本章小结

第3章 贝叶斯网络的结构学习
3.1 贝叶斯网络结构的评价函数
3.1.1 卡方（X2）度量
3.1.2 信息熵度量
3.1.3 贝叶斯度量（BDe）
3.1.4 最小描述长度度量（MDL）
3.2 完整参数的贝叶斯网络结构学习
3.2.1 基于统计测试的方法
3.2.2 基于搜索记分的方法
3.3 缺失数据的贝叶斯网络的结构学习
3.3.1 SEM算法
3.3.2 MCMC算法
3.4 贝叶斯网络结构学习的复杂性
3.4.1 结构空间的指数级规模
3.4.2 结构空间的不连续性
3.4.3 网络结构的无环假设
3.4.4 数据的不完备性
3.5 本章小结

第4章 贝叶斯网络的参数学习
4.1 贝叶斯网络模型的参数化表示
4.1.1 二项式模型的参数化表示
4.1.2 多项式模型的参数化表示
4.2 完整参数的贝叶斯网络的参数学习
……
第5章 贝叶斯网络的推理
第6章 动态贝叶斯网络技术
第7章 贝叶斯网络的扩展模型
第8章 基于贝叶斯网络的优化技术
第9章 贝吐斯网络在目标融合识别中的应用
第10章 贝叶斯网络在态势/威胁融合估计中的应用
第11章 贝叶斯优化算法在无人机对地攻击任务分配中的应用
第12章 贝叶斯网络在无人机对地攻击战术决策中的应用
第13章 贝叶斯网络在无人机对地攻击损伤评估中的应用