| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 信息融合研究进展及现状 | 第12-15页 |
| 1.3 本文的研究内容和结构安排 | 第15-17页 |
| 第2章 多源信息融合技术与应用 | 第17-26页 |
| 2.1 多源信息融合技术简介 | 第17-19页 |
| 2.1.1 多源信息融合的定义 | 第17页 |
| 2.1.2 多源信息融合的优势 | 第17-18页 |
| 2.1.3 应用领域 | 第18-19页 |
| 2.2 信息融合系统的模型和结构 | 第19-24页 |
| 2.2.1 信息融合系统的模型 | 第19-20页 |
| 2.2.2 信息融合系统的级别 | 第20-22页 |
| 2.2.3 信息融合系统的结构 | 第22-24页 |
| 2.3 多源信息融合的技术与方法 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 模糊理论与神经网络理论基础 | 第26-51页 |
| 3.1 神经网络概述 | 第26-37页 |
| 3.1.1 神经网络理论的起源与发展 | 第26-27页 |
| 3.1.2 神经网络的组成 | 第27-31页 |
| 3.1.3 神经网络的学习规则 | 第31-37页 |
| 3.2 BP神经网络的原理 | 第37-40页 |
| 3.2.1 BP神经网络的学习算法 | 第37-40页 |
| 3.2.2 BP神经网络算法的不足 | 第40页 |
| 3.3 贝叶斯正则化BP神经网络的原理 | 第40-43页 |
| 3.3.1 贝叶斯正则化 | 第41-43页 |
| 3.4 自适应神经模糊推理系统的原理 | 第43-50页 |
| 3.4.1 模糊系统的基本概念 | 第44-45页 |
| 3.4.2 ANFIS网络结构与学习规则 | 第45-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 雷达与AIS信息融合算法 | 第51-79页 |
| 4.1 引言 | 第51-56页 |
| 4.1.1 模糊理论与神经网络在信息融合中的应用 | 第51页 |
| 4.1.2 研究方法概述 | 第51-56页 |
| 4.2 基于ANFIS的航迹关联算法 | 第56-71页 |
| 4.2.1 航迹关联模型 | 第56-57页 |
| 4.2.2 航迹关联算法 | 第57-60页 |
| 4.2.3 样本构造及仿真结果分析 | 第60-71页 |
| 4.3 基于贝叶斯正则化BP神经网络的航迹融合算法 | 第71-78页 |
| 4.3.1 航迹融合模型 | 第71-72页 |
| 4.3.2 样本构造及仿真结果分析 | 第72-78页 |
| 4.4 本章小结 | 第78-79页 |
| 第5章 数据融合算法验证 | 第79-93页 |
| 5.1 引言 | 第79-84页 |
| 5.2 航迹关联算法验证 | 第84-88页 |
| 5.3 航迹融合算法验证 | 第88-91页 |
| 5.4 本章小结 | 第91-93页 |
| 结论 | 第93-95页 |
| 参考文献 | 第95-100页 |
| 附录 ANFIS航迹关联算法代码 | 第100-104页 |
| 致谢 | 第104页 |