摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
目录 | 第7-10页 |
图录 | 第10-11页 |
表录 | 第11-12页 |
第一章 绪论 | 第12-22页 |
1.1 课题背景及研究意义 | 第12页 |
1.2 威胁评估方法研究现状 | 第12-20页 |
1.2.1 总体情况 | 第13-14页 |
1.2.2 多属性决策方法 | 第14-15页 |
1.2.3 模糊集方法 | 第15页 |
1.2.4 直觉模糊集方法 | 第15-16页 |
1.2.5 粗糙集方法 | 第16-17页 |
1.2.6 贝叶斯网络方法 | 第17-18页 |
1.2.7 神经网络方法 | 第18页 |
1.2.8 云模型理论方法 | 第18-20页 |
1.3 论文研究内容与结构安排 | 第20-22页 |
1.3.1 论文研究内容 | 第20页 |
1.3.2 论文组织结构 | 第20-22页 |
第二章 空中目标威胁评估属性的云模型表示 | 第22-34页 |
2.1 云模型基础理论 | 第22-26页 |
2.1.1 云模型的基本概念 | 第22-23页 |
2.1.2 正态云模型 | 第23-24页 |
2.1.3 云发生器 | 第24-26页 |
2.2 威胁评估属性集合 | 第26-29页 |
2.2.1 空中目标威胁评估属性分析 | 第26-28页 |
2.2.2 威胁评估属性的量化和归一化处理 | 第28-29页 |
2.3 基于云模型的不确定性表示 | 第29-33页 |
2.3.1 云模型转换 | 第29-31页 |
2.3.2 威胁评估属性云模型 | 第31-32页 |
2.3.3 前件云发生器 | 第32-33页 |
2.4 本章小结 | 第33-34页 |
第三章 基于云推理的目标威胁评估方法 | 第34-48页 |
3.1 基于模糊推理的目标威胁评估方法 | 第34-37页 |
3.1.1 模糊推理方法基本流程 | 第34-35页 |
3.1.2 模糊集合赋值 | 第35-36页 |
3.1.3 输入值模糊化 | 第36页 |
3.1.4 模糊推理规则 | 第36-37页 |
3.1.5 合成模糊集 | 第37页 |
3.1.6 解模糊 | 第37页 |
3.2 基于 MIN-MAX 云重心推理的目标威胁评估方法 | 第37-41页 |
3.2.1 基本思想 | 第37-38页 |
3.2.2 基本流程 | 第38-39页 |
3.2.3 推理规则 | 第39页 |
3.2.4 MIN-MAX 云重心推理算法 | 第39-40页 |
3.2.5 逐级云推理 | 第40页 |
3.2.6 威胁度逆向云发生器 | 第40-41页 |
3.3 实例仿真分析 | 第41-47页 |
3.3.1 实验数据 | 第41-42页 |
3.3.2 MIN-MAX 云重心推理实验 | 第42-43页 |
3.3.3 模糊推理实验 | 第43-45页 |
3.3.4 基于云模型的威胁评估实验 | 第45页 |
3.3.5 对比与分析 | 第45-47页 |
3.4 本章小结 | 第47-48页 |
第四章 基于云贝叶斯网络的目标威胁评估方法 | 第48-62页 |
4.1 基于贝叶斯网络的目标威胁评估 | 第48-51页 |
4.1.1 贝叶斯网络概述 | 第48-50页 |
4.1.2 贝叶斯网络推理 | 第50页 |
4.1.3 基于贝叶斯网络的目标威胁评估方法 | 第50-51页 |
4.2 基于云贝叶斯网络的目标威胁评估方法 | 第51-56页 |
4.2.1 云贝叶斯网络基本思想 | 第51页 |
4.2.2 基于云贝叶斯网络的目标威胁评估方法基本流程 | 第51-53页 |
4.2.3 空中目标威胁评估的贝叶斯网络模型 | 第53-54页 |
4.2.4 确定度-概率转换 | 第54页 |
4.2.5 概率合成方法 | 第54-55页 |
4.2.6 综合云生成方法 | 第55-56页 |
4.3 实例仿真分析 | 第56-60页 |
4.3.1 实验 1 | 第56-57页 |
4.3.2 实验 2 | 第57-60页 |
4.4 本章小结 | 第60-62页 |
第五章 总结与展望 | 第62-64页 |
5.1 全文总结 | 第62-63页 |
5.2 工作展望 | 第63-64页 |
致谢 | 第64-66页 |
参考文献 | 第66-72页 |
附录 | 第72-75页 |
作者简历 | 第75页 |