| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 信息融合技术在国内外的发展和现状 | 第11-13页 |
| 1.2.1 信息融合技术的发展 | 第11-12页 |
| 1.2.2 信息融合技术的研究现状 | 第12-13页 |
| 1.3 论文主要研究内容 | 第13-14页 |
| 第2章 多源信息融合相关技术 | 第14-22页 |
| 2.1 多源信息融合原理 | 第14页 |
| 2.2 信息融合的级别 | 第14-17页 |
| 2.2.1 数据层融合 | 第14-15页 |
| 2.2.2 特征层融合 | 第15-16页 |
| 2.2.3 决策层融合 | 第16-17页 |
| 2.2.4 三种融合层次比较 | 第17页 |
| 2.3 多源信息融合系统的结构模型 | 第17-19页 |
| 2.4 多源信息融合的过程 | 第19-20页 |
| 2.5 信息融合的方法 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 D-S证据理论和BP神经网络算法的研究 | 第22-34页 |
| 3.1 基于D-S证据理论算法的研究 | 第22-28页 |
| 3.1.1 D-S证据理论的相关知识 | 第22-23页 |
| 3.1.2 D-S证据理论的识别框架 | 第23页 |
| 3.1.3 基本概率分配函数 | 第23-24页 |
| 3.1.4 信任函数 | 第24页 |
| 3.1.5 似然函数 | 第24-25页 |
| 3.1.6 D-S证据理论合成规则和决策方法 | 第25-27页 |
| 3.1.7 证据理论的融合过程 | 第27-28页 |
| 3.2 BP神经网络融合算法 | 第28-33页 |
| 3.2.1 BP神经网络相关知识 | 第28-30页 |
| 3.2.2 BP神经网络结构设计 | 第30-31页 |
| 3.2.3 BP神经网络融合过程 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 对多种融合算法权值分配的复合融合算法 | 第34-52页 |
| 4.1 D-S证据理论和BP神经网络融合算法分析 | 第34-37页 |
| 4.1.1 D-S证据理论融合算法的不足及改进 | 第34-37页 |
| 4.1.2 神经网络算法的不足及改进 | 第37页 |
| 4.2 对不同融合算法权值分配的多源信息复合融合算法思想 | 第37-39页 |
| 4.3 对D-S证据理论和BP神经网络权值分配的复合融合方法 | 第39-43页 |
| 4.3.1 分组及组内融合方法权值分配方法 | 第40-42页 |
| 4.3.2 BP网络的建立与训练 | 第42页 |
| 4.3.3 算法流程 | 第42-43页 |
| 4.3.4 算法分析 | 第43页 |
| 4.4 本算法在汽车报警系统中的应用 | 第43-46页 |
| 4.5 实验及结果分析 | 第46-51页 |
| 4.5.1 常规数据实验 | 第48-49页 |
| 4.5.2 异常数据实验 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间所发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |