基于证据理论的海量信息融合方法研究及应用
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 证据理论的研究现状 | 第11-13页 |
| 1.2.1 D_S 证据理论的研究现状 | 第11-12页 |
| 1.2.2 凸函数证据理论的研究现状 | 第12-13页 |
| 1.3 海量信息融合的研究现状 | 第13-14页 |
| 1.4 本文结构和研究内容 | 第14-16页 |
| 第2章 证据理论和信息融合 | 第16-26页 |
| 2.1 证据理论简介 | 第16-22页 |
| 2.1.1 证据理论基本概念 | 第16-18页 |
| 2.1.2 证据理论 BPA 的指派 | 第18-19页 |
| 2.1.3 DS 证据理论的组合规则 | 第19页 |
| 2.1.4 凸函数证据理论 | 第19-22页 |
| 2.2 信息融合简介 | 第22-25页 |
| 2.2.1 信息融合的基本概念 | 第22页 |
| 2.2.2 信息融合的级别 | 第22-24页 |
| 2.2.3 信息融合的算法介绍 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 海量信息处理 | 第26-34页 |
| 3.1 Hadoop 简介 | 第26-30页 |
| 3.1.1 分布式文件系统 HDFS | 第26-28页 |
| 3.1.2 Map/Reduce | 第28-30页 |
| 3.2 Birch 算法 | 第30-33页 |
| 3.2.1 算法思想 | 第30-31页 |
| 3.2.2 CF Tree | 第31-32页 |
| 3.2.3 算法步骤 | 第32-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 基于凸函数证据理论的海量信息融合方法 | 第34-44页 |
| 4.1 算法介绍 | 第34-35页 |
| 4.2 仿真实验 | 第35-41页 |
| 4.2.1 数据的处理 | 第36页 |
| 4.2.2 证据的生成和组合 | 第36-39页 |
| 4.2.3 凸函数证据理论对实验数据的融合 | 第39-41页 |
| 4.3 实验结果分析 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 基于 hadoop 平台的算法介绍 | 第44-51页 |
| 5.1 Hadoop 集群搭建 | 第44-49页 |
| 5.1.1 环境说明 | 第44页 |
| 5.1.2 环境配置 | 第44-46页 |
| 5.1.3 集群搭建 | 第46-48页 |
| 5.1.4 hadoop 启动及验证 | 第48-49页 |
| 5.2 基于 hadoop 平台的算法介绍 | 第49-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第6章 总结和展望 | 第51-53页 |
| 6.1 本论文研究内容工作总结 | 第51页 |
| 6.2 后续工作展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 作者简介 | 第56-57页 |
| 致谢 | 第57页 |
