| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-23页 |
| §1.1 引言 | 第11页 |
| §1.2 D-S推理理论 | 第11-14页 |
| §1.2.1 Dempster-Shafer的辨识框架与组合规则 | 第11-13页 |
| §1.2.2 D-S与其它推理方法的比较 | 第13-14页 |
| §1.3 D-S理论的改进与推广 | 第14-17页 |
| §1.3.1 D-S方法的改进 | 第14-15页 |
| §1.3.2 证据推理的概率论推广 | 第15-16页 |
| §1.3.3 证据推理推广到模糊集 | 第16-17页 |
| §1.4 一种新的似真和冲突推理理论(DSmT) | 第17-20页 |
| §1.4.1 DSmT的辨识框架与组合规则 | 第17-18页 |
| §1.4.2 DST,DSmT与概率论之间的关系 | 第18-19页 |
| §1.4.3 存在的问题及研究方向 | 第19-20页 |
| §1.5 证据组合评价准则 | 第20-21页 |
| §1.6 证据推理的应用 | 第21-22页 |
| §1.7 本文的章节安排 | 第22-23页 |
| 第二章 证据推理理论 | 第23-48页 |
| §2.1 引言 | 第23页 |
| §2.2 D-S推理基本理论 | 第23-32页 |
| §2.2.1 辨识框架 | 第23-24页 |
| §2.2.2 基本定义 | 第24-27页 |
| §2.2.3 Dempster组合规则 | 第27-30页 |
| §2.2.4 其他公式 | 第30-31页 |
| §2.2.5 Dempster组合规则存在的问题 | 第31-32页 |
| §2.3 D-S的改进算法 | 第32-38页 |
| §2.4 两种新的证据组合规则 | 第38-40页 |
| §2.4.1 加权分配冲突法 | 第38-39页 |
| §2.4.2 吸收法 | 第39-40页 |
| §2.5 Dezert—Smarandache理论(DSmT) | 第40-47页 |
| §2.5.1 DSmT的特点 | 第40-41页 |
| §2.5.2 超平方集D~(?)的概念 | 第41-43页 |
| §2.5.3 包含冲突信息源组合规则 | 第43-45页 |
| §2.5.4 DST与DSmT的比较 | 第45-46页 |
| §2.5.5 DST和DSmT的应用方法 | 第46-47页 |
| §2.6 本章小结 | 第47-48页 |
| 第三章 证据组合方法的评价体系 | 第48-66页 |
| §3.1 引言 | 第48-49页 |
| §3.2 基本性质 | 第49-51页 |
| §3.2.1 交换性(Commutativity) | 第49页 |
| §3.2.2 结合性(Associativity) | 第49-50页 |
| §3.2.3 同一性(Identity) | 第50-51页 |
| §3.3 特有的性质 | 第51-61页 |
| §3.3.1 抗高冲突性(Anti-high-conflict) | 第51-52页 |
| §3.3.2 极化性(Polarization) | 第52-60页 |
| §3.3.3 聚焦性(Focus) | 第60-61页 |
| §3.4 工程可用性 | 第61-65页 |
| §3.4.1 便利性(Conveniency) | 第61页 |
| §3.4.2 鲁棒性(Robustness) | 第61-62页 |
| §3.4.3 复杂性(Complexity) | 第62-65页 |
| §3.5 本章小结 | 第65-66页 |
| 第四章 评价准则的定量分析 | 第66-94页 |
| §4.1 引言 | 第66页 |
| §4.2 交换性的典型算例分析 | 第66-68页 |
| §4.3 结合性的典型算例分析 | 第68-71页 |
| §4.4 同一性的典型算例分析 | 第71-73页 |
| §4.5 极化性的典型算例分析 | 第73-82页 |
| §4.6 抗高冲突性的典型算例分析 | 第82-86页 |
| §4.7 聚焦性的典型算例分析 | 第86-87页 |
| §4.8 鲁棒性的典型算例分析 | 第87-90页 |
| §4.9 复杂性的典型算例分析 | 第90-92页 |
| §4.10 基于12种组合方法的评价准则的比较分析结果 | 第92-93页 |
| §4.11 本章小结 | 第93-94页 |
| 第五章 证据推理在序列图像识别中的应用 | 第94-112页 |
| §5.1 引言 | 第94页 |
| §5.2 证据推理应用中的关键问题 | 第94-97页 |
| §5.2.1 证据推理的应用方案设计 | 第94-95页 |
| §5.2.2 基本置信指派函数的构造 | 第95-96页 |
| §5.2.3 基于证据推理的决策方法 | 第96-97页 |
| §5.3 指数法构造mass函数及其在序列图像识别中的应用 | 第97-103页 |
| §5.3.1 问题描述 | 第97-98页 |
| §5.3.2 算法实现 | 第98-100页 |
| §5.3.3 仿真结果和分析 | 第100-103页 |
| §5.4 基于BP神经网络的D-S组合序列图像识别方法 | 第103-111页 |
| §5.4.1 问题描述 | 第103页 |
| §5.4.2 算法实现 | 第103-106页 |
| §5.4.3 仿真结果和分析 | 第106-111页 |
| §5.4 本章小结 | 第111-112页 |
| 第六章 总结与展望 | 第112-113页 |
| 参考文献 | 第113-123页 |
| 攻读博士学位期间论文发表情况 | 第123-124页 |
| 致谢 | 第124-125页 |
