基于目标识别的几种信息融合算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题背景 | 第9-10页 |
| ·课题来源 | 第9页 |
| ·研究的背景、目的和意义 | 第9-10页 |
| ·信息融合技术的形成与发展 | 第10-11页 |
| ·信息融合技术的应用 | 第11-12页 |
| ·在信息电子学领域 | 第11页 |
| ·在计算机科学领域 | 第11-12页 |
| ·在自动化领域 | 第12页 |
| ·本文结构 | 第12-13页 |
| 第2章 信息融合的基本理论和方法概述 | 第13-18页 |
| ·信息融合的基本理论 | 第13-14页 |
| ·信息融合的定义 | 第13页 |
| ·传感器信息融合的分类和结构 | 第13-14页 |
| ·信息融合一般方法 | 第14-17页 |
| ·嵌入约束法概论 | 第14页 |
| ·证据组合法概论 | 第14-16页 |
| ·人工神经网络概论 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第3章 几种信息融合方法研究 | 第18-44页 |
| ·卡尔曼滤波 | 第18页 |
| ·Bayes理论 | 第18-23页 |
| ·Bayes理论及其基本原理 | 第18页 |
| ·Bayes理论的具体方法 | 第18-20页 |
| ·基于Bayes推理的目标识别实例 | 第20-23页 |
| ·概率统计方法 | 第23页 |
| ·Dempster-Shafer证据理论 | 第23-32页 |
| ·基本理论 | 第23-25页 |
| ·D-S合成法则 | 第25页 |
| ·D-S合成的性质 | 第25-26页 |
| ·D-S证据理论的推理 | 第26-28页 |
| ·D-S证据理论的推广改进 | 第28-30页 |
| ·D-S证据理论在目标识别中的应用 | 第30-32页 |
| ·联合模糊推理和人工神经网络方法 | 第32-43页 |
| ·人工神经网络方法 | 第32-33页 |
| ·BP神经网络算法 | 第33-36页 |
| ·模糊神经网络 | 第36-38页 |
| ·神经网络的应用 | 第38-40页 |
| ·仿真实验 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 联合D-S证据理论与BP神经网络的算法 | 第44-51页 |
| ·DSBP 信息融合算法的基本思想 | 第44-45页 |
| ·DSBP信息融合算法的设计 | 第45-48页 |
| ·DSBP信息融合算法的实现 | 第48页 |
| ·仿真实验结果分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59页 |
