基于高冲突证据修正的D-S证据理论及其应用研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 神经网络用于分类的研究现状 | 第9-10页 |
| 1.2.2 信息融合研究现状 | 第10-11页 |
| 1.2.3 研究现状小结 | 第11页 |
| 1.3 本文的主要研究工作 | 第11-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 相关理论 | 第14-21页 |
| 2.1 神经网络 | 第14-18页 |
| 2.1.1 神经网络的相关知识 | 第14-15页 |
| 2.1.2 神经网络分类器的拓扑结构 | 第15-18页 |
| 2.2 信息融合 | 第18-20页 |
| 2.2.1 信息融合的基本概念 | 第18页 |
| 2.2.2 信息融合的基本模型 | 第18-19页 |
| 2.2.3 信息融合算法的分类 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 BP神经网络分类器的构建 | 第21-30页 |
| 3.1 BP神经网络的相关概念及基本模型 | 第21-22页 |
| 3.2 BP神经网络的结构设计和参数选取 | 第22-24页 |
| 3.2.1 BP神经网络的结构设计 | 第22-23页 |
| 3.2.2 BP神经网络的参数选取 | 第23-24页 |
| 3.3 改进的BP神经网络 | 第24-27页 |
| 3.3.1 BP神经网络的具体分析 | 第24-25页 |
| 3.3.2 BP神经网络的改进思路 | 第25-27页 |
| 3.3.3 改进BP神经网络的流程 | 第27页 |
| 3.4 实验及结果分析 | 第27-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 高冲突证据修正的D-S证据融合方法 | 第30-38页 |
| 4.1 D-S证据理论及分析 | 第30-32页 |
| 4.1.1 D-S证据理论 | 第30-31页 |
| 4.1.2 D-S组合规则分析 | 第31-32页 |
| 4.2 冲突证据的修正 | 第32-35页 |
| 4.2.1 Pignistic概率 | 第32页 |
| 4.2.2 证据距离及相似度计算 | 第32-33页 |
| 4.2.3 信任度及虚假度 | 第33-34页 |
| 4.2.4 冲突证据修正 | 第34-35页 |
| 4.3 实验与分析 | 第35-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第五章 改进的D-S证据理论在证据融合中的应用 | 第38-42页 |
| 5.1 系统设计 | 第38-39页 |
| 5.2 系统实现 | 第39-41页 |
| 5.2.1 客户端 | 第39-40页 |
| 5.2.2 服务器端 | 第40-41页 |
| 5.3 本章小结 | 第41-42页 |
| 第六章 总结与展望 | 第42-44页 |
| 6.1 工作总结 | 第42页 |
| 6.2 工作展望 | 第42-44页 |
| 参考文献 | 第44-47页 |
| 攻硕期间发表论文及科研成果 | 第47-48页 |
| 致谢 | 第48页 |
