| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景与研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 研究内容和主要工作 | 第15-16页 |
| 1.4 论文组织架构 | 第16-17页 |
| 2 无线传感器网络决策融合技术概述 | 第17-32页 |
| 2.1 无线传感器网络决策级融合模型 | 第17-20页 |
| 2.1.1 数据层 | 第18页 |
| 2.1.2 特征层 | 第18-19页 |
| 2.1.3 决策层 | 第19页 |
| 2.1.4 融合层 | 第19-20页 |
| 2.1.5 无线传感器网络环境下的决策算法要求 | 第20页 |
| 2.2 决策融合算法 | 第20-23页 |
| 2.2.1 数据的缺陷 | 第20-21页 |
| 2.2.2 概率融合 | 第21-22页 |
| 2.2.3 证据理论融合 | 第22页 |
| 2.2.4 模糊集融合 | 第22-23页 |
| 2.2.5 粗糙集理论 | 第23页 |
| 2.3 据理论基础 | 第23-30页 |
| 2.3.1 证据处理模型 | 第24页 |
| 2.3.2 基本信度分配 | 第24-25页 |
| 2.3.3 证据的合成 | 第25-26页 |
| 2.3.4 证据决策 | 第26页 |
| 2.3.5 简单支持证据信度构建算法 | 第26-28页 |
| 2.3.6 折扣操作 | 第28页 |
| 2.3.7 基于似然度的信度函数理论 | 第28-30页 |
| 2.4 基于证据理论的信息融合模型 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 基于证据理论的WSN分布式分类决策融合算法 | 第32-50页 |
| 3.1 多源异构传感器数据目标分类模型 | 第32-33页 |
| 3.2 分类器融合 | 第33-35页 |
| 3.3 基于证据理论的多目标分类融合模型 | 第35-36页 |
| 3.4 可靠度-概率(RP)信度构建算法 | 第36-38页 |
| 3.4.1 决策可靠度估计 | 第36-37页 |
| 3.4.2 本地BBA构建 | 第37-38页 |
| 3.5 融合规则推导 | 第38-41页 |
| 3.6 仿真结果及分析 | 第41-49页 |
| 3.6.1 可变数据集仿真 | 第42-46页 |
| 3.6.2 车辆识别数据集仿真 | 第46-49页 |
| 3.7 本章小结 | 第49-50页 |
| 4 基于证据理论的目标检测融合判决算法 | 第50-67页 |
| 4.1 分布式目标检测 | 第50-51页 |
| 4.2 目标检测决策融合算法概述 | 第51-55页 |
| 4.2.1 硬决策融合 | 第52页 |
| 4.2.2 基于贝叶斯的CV融合规则 | 第52-53页 |
| 4.2.3 基于证据理论的决策融合 | 第53-54页 |
| 4.2.4 数据融合模式 | 第54页 |
| 4.2.5 各种融合方法对比和分析 | 第54-55页 |
| 4.3 证据融合规则推导 | 第55-62页 |
| 4.3.1 二元可靠度-概率（BRP）信度构建算法 | 第55-57页 |
| 4.3.2 可靠度评估 | 第57-59页 |
| 4.3.3 信度的融合 | 第59-60页 |
| 4.3.4 决策 | 第60-62页 |
| 4.4 仿真结果及分析 | 第62-65页 |
| 4.5 本章小结 | 第65-67页 |
| 5 总结与展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 作者简介及攻读硕士学位期间取得的研究成果 | 第72-74页 |
| 学位论文数据集 | 第74页 |