基于基本概率赋值调整的数据融合方法及应用

摘要	第1-5页
Abstract	第5-8页
1 绪论	第8-13页
·研究背景及意义	第8-9页
·国内外研究现状	第9-11页
·本文研究内容和组织结构	第11-13页
2 数据融合理论综述及证据理论研究	第13-34页
·数据融合原理、过程	第13-15页
·数据融合层次	第15-18页
·数据层融合	第15-16页
·特征层融合	第16页
·决策层融合	第16-17页
·三种融合层次的优缺点	第17-18页
·数据融合系统结构模型	第18-19页
·数据融合技术	第19-25页
·基本物理模型识别技术	第20-21页
·基于特征推理技术识别技术	第21-24页
·基于认识模型识别技术	第24-25页
·证据理论组合方法研究	第25-34页
·证据理论的基本概念	第25-28页
·证据理论的合成规则	第28-29页
·证据理论的融合模型	第29-30页
·证据理论的优点和缺点	第30-31页
·D-S证据理论融合原理	第31页
·D-S决策方法	第31-34页
3 基于神经网络的基本概率赋值调整的数据融合方法	第34-51页
·神经网络理论基础	第34-41页
·神经网络概述	第34-35页
·神经元模型	第35-38页
·神经网络结构	第38页
·神经网络学习方法与算法	第38-40页
·数据融合的神经网络方法及特点	第40-41页
·基本概率赋值调整的数据融合方法	第41-51页
·神经网络和D-S据理论结合可行性分析	第41-43页
·基本概率赋值调整的数据融合结构设计	第43-44页
·基本概率赋值函数的获取	第44-45页
·基本概率分配函数的调整	第45-47页
·仿真实验	第47-51页
4 融合方法在客户交易行为识别的应用	第51-58页
·客户交易流程分析	第52-53页
·客户交易行为识别模型	第53-55页
·客户交易识别模型的应用	第55-58页
结论	第58-59页
参考文献	第59-61页
攻读硕士学位期间发表学术论文情况	第61-62页
致谢	第62-64页