基于D-S证据理论的冲突证据分析研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 层次聚类算法的研究现状 | 第9-10页 |
| 1.2.2 证据理论研究现状 | 第10-11页 |
| 1.3 本文的主要研究工作 | 第11-12页 |
| 1.4 本文的组织和安排 | 第12-13页 |
| 1.5 本章小结 | 第13-15页 |
| 第二章D-S证据理论概述 | 第15-19页 |
| 2.1 D-S证据理论的基本概念 | 第15-16页 |
| 2.1.1 识别框架 | 第15页 |
| 2.1.2 基本概率分配 | 第15页 |
| 2.1.3 信任函数 | 第15-16页 |
| 2.1.4 似然函数 | 第16页 |
| 2.2 D-S证据理论的组合规则 | 第16-17页 |
| 2.3 D-S证据理论的优势及存在问题 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 凝聚式层次聚类算法研究及其改进 | 第19-33页 |
| 3.1 聚类算法概述 | 第19-21页 |
| 3.1.1 聚类算法分类 | 第19-20页 |
| 3.1.2 聚类算法的具体应用 | 第20页 |
| 3.1.3 聚类算法面临的挑战 | 第20-21页 |
| 3.2 层次聚类算法 | 第21-25页 |
| 3.2.1 凝聚和分裂的层次聚类 | 第22-23页 |
| 3.2.2 簇间距离度量方法 | 第23-25页 |
| 3.2.3 研究存在的难题 | 第25页 |
| 3.3 改进的凝聚式层次聚类算法 | 第25-28页 |
| 3.3.1 全局距离度量 | 第25-27页 |
| 3.3.2 相似度度量 | 第27页 |
| 3.3.3 基于全局距离度量的凝聚式层次聚类算法 | 第27-28页 |
| 3.4 实验结果及分析 | 第28-31页 |
| 3.4.1 人工数据集 | 第29-30页 |
| 3.4.2 真实数据集 | 第30-31页 |
| 3.5 本章小结 | 第31-33页 |
| 第四章 改进的D-S证据理论融合方法 | 第33-39页 |
| 4.1 证据权重的确定 | 第33-34页 |
| 4.1.1 证据相似度 | 第33页 |
| 4.1.2 证据平均支持度 | 第33-34页 |
| 4.1.3 证据权重系数 | 第34页 |
| 4.2 冲突证据分析 | 第34-35页 |
| 4.3 基本概率再分配策略 | 第35页 |
| 4.4 证据融合处理 | 第35页 |
| 4.5 实验及结果分析 | 第35-37页 |
| 4.6 本章小结 | 第37-39页 |
| 第五章 冲突证据分析在取证系统中的应用 | 第39-47页 |
| 5.1 系统设计 | 第39-40页 |
| 5.2 系统实现 | 第40-45页 |
| 5.2.1 系统界面 | 第40-41页 |
| 5.2.2 数据聚类模块实现 | 第41-43页 |
| 5.2.3 证据融合模块实现 | 第43-44页 |
| 5.2.4 生成报告模块实现 | 第44-45页 |
| 5.3 本章小结 | 第45-47页 |
| 第六章 总结与展望 | 第47-48页 |
| 6.1 总结全文 | 第47页 |
| 6.2 研究展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 攻硕期间发表论文及参与的科研项目 | 第51-52页 |
| 致谢 | 第52页 |
