| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 第1章 绪论 | 第7-12页 |
| ·研究工作的目的和意义 | 第7-9页 |
| ·本课题的国内外发展现状 | 第9-11页 |
| ·本课题研究的主要内容 | 第11-12页 |
| 第2章 预备知识 | 第12-34页 |
| ·模糊测度与模糊积分 | 第12-19页 |
| ·模糊测度 | 第12-14页 |
| ·模糊积分 | 第14-19页 |
| ·不可指定性(ambiguity或non-specification) | 第19-20页 |
| ·几种常见的分类器 | 第20-25页 |
| ·人工神经网络 | 第20-22页 |
| ·决策树 | 第22-24页 |
| ·遗传算法 | 第24-25页 |
| ·常用的融合方法 | 第25-34页 |
| ·贝叶斯(Bayes)方法 | 第25-27页 |
| ·D-S证据理论 | 第27-29页 |
| ·基于模糊集理论的融合方法 | 第29-34页 |
| 第3章 多分类器融合 | 第34-40页 |
| ·基于模糊积分的多神经网络融合模型 | 第34-37页 |
| ·融合系统中的不确定性分析 | 第37-38页 |
| ·融合过程中模糊密度的确定 | 第38-39页 |
| ·融合程序 | 第39-40页 |
| 第4章 实验数据和分析 | 第40-42页 |
| ·实验目的与实验步骤 | 第40-41页 |
| ·实验结论 | 第41-42页 |
| 第5章 结论与展望 | 第42-43页 |
| 参考文献 | 第43-45页 |
| 攻读硕士学位期间科研工作情况 | 第45-46页 |
| 致谢 | 第46页 |