复杂环境下目标识别的智能数据融合技术研究
| 第1章 绪论 | 第1-25页 |
| ·课题的背景和意义 | 第12-13页 |
| ·数据融合的基本理论 | 第13-15页 |
| ·数据融合的基本原理及定义 | 第13-14页 |
| ·数据融合的一般功能模型 | 第14-15页 |
| ·目标识别的数据融合 | 第15-20页 |
| ·属性融合的原理 | 第15-16页 |
| ·属性融合的结构模型 | 第16-18页 |
| ·属性融合的算法 | 第18-20页 |
| ·智能数据融合发展及研究现状 | 第20-23页 |
| ·本文主要研究内容 | 第23-25页 |
| 第2章 目标识别的智能数据融合及模型的建立 | 第25-37页 |
| ·引言 | 第25页 |
| ·复杂环境下属性融合存在的问题 | 第25-26页 |
| ·目标识别的智能数据融合 | 第26-30页 |
| ·属性融合的智能特性 | 第26-27页 |
| ·智能属性融合的建模 | 第27-30页 |
| ·复杂动态环境分析模块的建立 | 第30-36页 |
| ·神经网络—模糊推理理论 | 第30-31页 |
| ·ANFIS可信度判别器设计 | 第31-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 基于一致性和模糊测度优选的数据分类融合 | 第37-54页 |
| ·引言 | 第37-38页 |
| ·基于一致性和模糊测度优选的数据分类融合模型 | 第38-39页 |
| ·基于类别概率置信度的数据分类估计 | 第39-45页 |
| ·距离置信测度 | 第39-41页 |
| ·类别概率置信度实现目标分类估计 | 第41-43页 |
| ·仿真及分析 | 第43-45页 |
| ·传感器目标分类估计的优选融合 | 第45-49页 |
| ·传感器目标分类估计的一致性分组 | 第45-46页 |
| ·基于模糊测度的一致性分组优选融合 | 第46-49页 |
| ·融合模型仿真及分析 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 基于一致理论的特征分类优化融合 | 第54-73页 |
| ·引言 | 第54-55页 |
| ·基于一致理论的特征分类优化融合模型 | 第55-56页 |
| ·基于BP神经网络的特征分类 | 第56-61页 |
| ·BP神经网络的结构和算法 | 第56-60页 |
| ·BP神经网络的分类原理 | 第60-61页 |
| ·一致理论的基本原理 | 第61-64页 |
| ·一致理论的优化属性融合 | 第64-66页 |
| ·传感器特征分类识别的可信度定义 | 第64页 |
| ·统计可信度的估计 | 第64-66页 |
| ·融合模型仿真及分析 | 第66-72页 |
| ·仿真实验设定 | 第66-67页 |
| ·仿真实验及结果分析 | 第67-72页 |
| ·本章小结 | 第72-73页 |
| 第5章 基于模糊推理的分类决策证据推理融合 | 第73-110页 |
| ·引言 | 第73-74页 |
| ·基于模糊推理的分类决策证据推理融合模型 | 第74-75页 |
| ·基于模糊推理的不确定分类决策集处理 | 第75-86页 |
| ·模糊推理理论 | 第75-78页 |
| ·不确定的分类决策集 | 第78-81页 |
| ·模糊推理的冲突决策集处理 | 第81-86页 |
| ·基于证据特征的证据推理融合 | 第86-100页 |
| ·证据理论基础 | 第86-88页 |
| ·Dempster合成规则及冲突证据处理的局限 | 第88-89页 |
| ·冲突证据的处理 | 第89-94页 |
| ·基于证据特征的合成规则改进 | 第94-97页 |
| ·数值实验及结果分析 | 第97-100页 |
| ·融合模型仿真及分析 | 第100-109页 |
| ·本章小结 | 第109-110页 |
| 结论 | 第110-113页 |
| 参考文献 | 第113-123页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第123-125页 |
| 致谢 | 第125页 |
