| 前言 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 论文符号一览表 | 第8-13页 |
| 第一章 绪论 | 第13-36页 |
| 1．1 研究背景及意义 | 第13-14页 |
| 1．2 多源信息融合方法及相关技术研究现状 | 第14-24页 |
| 1．2．1 关于多源信息融合技术 | 第14-15页 |
| 1．2．2 D-S证据理论研究现状 | 第15-23页 |
| 1．2．3 D-S证据理论研究存在的问题 | 第23-24页 |
| 1．3 水质监测信息融合处理的研究现状 | 第24-32页 |
| 1．3．1 水质地面监测数据融合处理 | 第25-26页 |
| 1．3．2 基于信息融合的遥感图像处理 | 第26-27页 |
| 1．3．3 基于遥感图像与地面监测的水质数据融合处理 | 第27-31页 |
| 1．3．4 水质监测信息融合处理要研究和解决的关键问题 | 第31-32页 |
| 1．4 本文的研究内容与主要工作 | 第32-34页 |
| 1．5 本文的章节安排 | 第34-36页 |
| 第二章 基于修改模型的冲突证据组合方法 | 第36-52页 |
| 2．1 D-S证据理论 | 第36-41页 |
| 2．1．1 基本概念 | 第36-37页 |
| 2．1．2 Dempster组合规则 | 第37-38页 |
| 2．1．3 基本性质 | 第38页 |
| 2．1．4 基本信任分配函数的构造方法 | 第38-41页 |
| 2．2 一种有效的沖突证据组合方法 | 第41-46页 |
| 2．2．1 冲突证据组合问题的分类 | 第42-43页 |
| 2．2．2 证据权值的确定 | 第43-45页 |
| 2．2．3 基于修改模型的组合算法 | 第45-46页 |
| 2．3 实验分析 | 第46-51页 |
| 2．3．1 实验1 | 第46-48页 |
| 2．3．2 实验2 | 第48-50页 |
| 2．3．3 实验3 | 第50-51页 |
| 2．3．4 小结 | 第51页 |
| 2．4 本章小结 | 第51-52页 |
| 第三章 基于相似度的模糊证据推理方法 | 第52-64页 |
| 3．1 引言 | 第52页 |
| 3．2 模糊集合的包含度 | 第52-54页 |
| 3．3 模糊集合的相似度 | 第54-55页 |
| 3．4 一种新的证据推理的模糊集扩展 | 第55-58页 |
| 3．4．1 信度函数的扩展 | 第55-57页 |
| 3．4．2 基于相似度的模糊证据组合规则 | 第57-58页 |
| 3．5 实例分析 | 第58-63页 |
| 3．5．1 信任函数的贡献因子分析 | 第58-60页 |
| 3．5．2 证据组合分析 | 第60-63页 |
| 3．5．3 小结 | 第63页 |
| 3．6 本章小结 | 第63-64页 |
| 第四章 Vague证据理论研究 | 第64-79页 |
| 4．1 Vague集理论 | 第64-65页 |
| 4．2 Vague集的表示及其解释 | 第65-66页 |
| 4．3 Vague集与Fuzzy集之间的关系及转化 | 第66-69页 |
| 4．3．1 Vague集与Fuzzy集之间的关系 | 第66页 |
| 4．3．2 Vague集与Fuzzy集之间的转化 | 第66-69页 |
| 4．4 Vague集的相似性度量 | 第69-70页 |
| 4．5 信度函数和证据组合规则向Vague集推广 | 第70-78页 |
| 4．5．1 信度函数向Vague集扩展 | 第71-74页 |
| 4．5．2 证据组合规则的扩展 | 第74-75页 |
| 4．5．3 实验分析 | 第75-78页 |
| 4．5．4 小结 | 第78页 |
| 4．6 本章小结 | 第78-79页 |
| 第五章 基于距离测度的D-S证据融合决策方法 | 第79-89页 |
| 5．1 引言 | 第79-80页 |
| 5．2 距离测度 | 第80-81页 |
| 5．3 焦元属性支持度 | 第81-83页 |
| 5．4 决策向量及决策方法 | 第83-84页 |
| 5．5 实验分析 | 第84-87页 |
| 5．5．1 对一般性证据进行分析 | 第84-85页 |
| 5．5．2 对水质监测数据进行分析 | 第85-87页 |
| 5．5．3 小结 | 第87页 |
| 5．6 本章小结 | 第87-89页 |
| 第六章 多传感器系统的信息融合有效性分析 | 第89-102页 |
| 6．1 引言 | 第89-90页 |
| 6．2 多源信息融合有效性的定性分析 | 第90-96页 |
| 6．2．1 信息熵及平均交互信息量 | 第90-91页 |
| 6．2．2 多源信息融合的有效性定理 | 第91-93页 |
| 6．2．3 基于D-S证据理论的融合有效性分析 | 第93-96页 |
| 6．3 多源信息融合有效性的定量分析 | 第96-97页 |
| 6．4 实验分析 | 第97-101页 |
| 6．4．1 多源输入信息的有效性分析 | 第97-99页 |
| 6．4．2 融合算法的有效性分析 | 第99-100页 |
| 6．4．3 小结 | 第100-101页 |
| 6．5 本章小结 | 第101-102页 |
| 第七章 多源信息融合技术在水质监测中的应用 | 第102-126页 |
| 7．1 D-S证据理论在水质监测数据融合处理中的应用 | 第102-113页 |
| 7．1．1 地面监测数据融合处理 | 第102-106页 |
| 7．1．2 遥感图像数据与地面监测数据的融合处理 | 第106-113页 |
| 7．2 基于修改模型的冲突证据组合方法在水质监测中的应用 | 第113-115页 |
| 7．2．1 冲突证据的产生 | 第113-114页 |
| 7．2．2 冲突证据组合及分析 | 第114-115页 |
| 7．3 基于模糊证据理论的水质监测数据融合处理与状态评估 | 第115-120页 |
| 7．3．1 富营养化状态估计与评价模型 | 第116页 |
| 7．3．2 实验分析 | 第116-119页 |
| 7．3．3 小结 | 第119-120页 |
| 7．4 基于D-S证据理论的信息融合计算分析软件开发 | 第120-124页 |
| 7．4．1 DSCA软件的体系结构 | 第120-121页 |
| 7．4．2 基于D-S证据理论的计算分析流程 | 第121页 |
| 7．4．3 DSCA软件的主要功能 | 第121-123页 |
| 7．4．4 DSCA软件功能的实现 | 第123-124页 |
| 7．5 本章小结 | 第124-126页 |
| 第八章 总结与展望 | 第126-129页 |
| 8．1 主要创新成果 | 第126-127页 |
| 8．2 研究展望 | 第127-129页 |
| 致谢 | 第129-130页 |
| 参考文献 | 第130-139页 |
| 攻读博士学位期间发表的学术论文 | 第139-140页 |
| 攻读博士学位期间参与的科研项目 | 第140页 |
| 攻读博士学位期间申请的专利 | 第140页 |
