| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 主要符号对照表 | 第10-12页 |
| 第1章 信息融合技术概述 | 第12-17页 |
| ·信息融合技术的内容和意义 | 第12-15页 |
| ·视像内容分析：信息融合技术应用的一个实例 | 第12-14页 |
| ·信息融合技术的研究内容 | 第14-15页 |
| ·论文的选题 | 第15-16页 |
| ·本文研究的主要结论和创新点 | 第16-17页 |
| 第2章 决策融合：PMSRA——概率模型支持的序融合 | 第17-58页 |
| ·概述 | 第17-19页 |
| ·决策融合的三个层次 | 第17-18页 |
| ·二类决策结果的序融合 | 第18-19页 |
| ·本章内容组织 | 第19页 |
| ·序融合相关研究的回顾 | 第19-23页 |
| ·序融合问题的描述 | 第20页 |
| ·基于分值的序融合——Borda 方法及其发展 | 第20-22页 |
| ·基于二元关系的序融合——Condorcet 方法及其发展 | 第22-23页 |
| ·二类决策结果序融合问题的提出 | 第23-26页 |
| ·基于二元关系方法的局限 | 第23-25页 |
| ·基于分值方法的局限 | 第25页 |
| ·二类决策结果的序融合问题 | 第25-26页 |
| ·PMSRA 框架 | 第26-32页 |
| ·预备知识：序与顺序统计量 | 第26-31页 |
| ·PMSRA 框架的基本思想和主要步骤 | 第31-32页 |
| ·PMSRA 框架的关键问题 | 第32-40页 |
| ·决策变量分布族的选择 | 第34-35页 |
| ·混合模型参数的估计 | 第35-37页 |
| ·对象的单后验 | 第37-40页 |
| ·PMSRA 方法 | 第40页 |
| ·贝叶斯 PMSRA 方法 | 第40-44页 |
| ·贝叶斯 PMSRA 方法的独立性假定 | 第40-41页 |
| ·对象的全后验 | 第41-42页 |
| ·贝叶斯 PMSRA 方法 | 第42-44页 |
| ·PMSRA 与跨模态学习的商空间理论 | 第44-46页 |
| ·跨模态学习的商空间模型 | 第44-45页 |
| ·PMSRA 方法的商空间理论概括 | 第45-46页 |
| ·实验：序融合在视像概念检测中的应用 | 第46-56页 |
| ·视像概念检测介绍 | 第46-47页 |
| ·实验的设置 | 第47-51页 |
| ·实验结果及分析 | 第51-56页 |
| ·结论和讨论 | 第56-58页 |
| ·小结和结论 | 第56页 |
| ·创新点和贡献 | 第56-57页 |
| ·讨论进一步的研究 | 第57-58页 |
| 第3章 数据融合：TLDM 数据规格化方法 | 第58-75页 |
| ·概述 | 第58页 |
| ·数据规格化的意义、相关研究回顾及问题的提出 | 第58-61页 |
| ·一般数据准备中的数据规格化及其意义 | 第59页 |
| ·常见数据规格化方法 | 第59-60页 |
| ·数据规格化问题的提出 | 第60-61页 |
| ·有限截断－密度最大数据规格化方法 | 第61-66页 |
| ·TLDM 方法的基本思想 | 第61-63页 |
| ·TLDM 的理论方法分析以及与 MinMax、 k -sigma方法的比较 | 第63-66页 |
| ·数据规格化实验 | 第66-73页 |
| ·数据规格化对视像内容分析的意义 | 第66页 |
| ·实验方法与设置 | 第66-68页 |
| ·实验结果及分析 | 第68-73页 |
| ·结论和讨论 | 第73-75页 |
| 第4章 特征融合：视像概念的时间聚集性分析 | 第75-83页 |
| ·概述 | 第75-76页 |
| ·视像概念的时间聚集性现象及其描述 | 第76-78页 |
| ·时间聚集现象 | 第76-77页 |
| ·时间聚集程度的描述 | 第77-78页 |
| ·视像概念时间聚集性分析算法 | 第78-81页 |
| ·时间聚集性分析的基本思想 | 第78-79页 |
| ·时间聚集性算法 | 第79-81页 |
| ·视像概念检测实验 | 第81页 |
| ·结论和讨论 | 第81-83页 |
| 第5章 信息融合技术研究结论 | 第83-86页 |
| ·结论总结 | 第83-84页 |
| ·创新点总结 | 第84页 |
| ·进一步研究总结 | 第84-86页 |
| 参考文献 | 第86-91页 |
| 致谢 | 第91-92页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第92-93页 |
