多传感器信息融合研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 多传感器信息融合概论 | 第7-17页 |
| ·本课题的重要意义 | 第7-8页 |
| ·多传感信息融合的发展 | 第8-13页 |
| ·现状、存在的问题及发展方向 | 第13-15页 |
| ·本文所做的工作 | 第15-16页 |
| ·小结 | 第16-17页 |
| 第2章 多传感器信息融合模型 | 第17-36页 |
| ·引言 | 第17页 |
| ·信息融合的功能模型 | 第17-19页 |
| ·信息融合的层次化描述 | 第19-25页 |
| ·信息融合的数学模型 | 第25-33页 |
| ·嵌入约束方法 | 第26-27页 |
| ·证据组合方法 | 第27-32页 |
| ·神经网络方法 | 第32-33页 |
| ·信息融合与数据库的研究 | 第33-34页 |
| ·信息融合的系统设计 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第3章 信息融合结构及其实现 | 第36-45页 |
| ·引言 | 第36-37页 |
| ·信息融合的结构模型 | 第37-38页 |
| ·集中融合 | 第38-39页 |
| ·分散融合算法 | 第39-43页 |
| ·分级融合 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第4章 多传感器信息的模糊积分融合方法 | 第45-60页 |
| ·引言 | 第45-46页 |
| ·融合问题的形式描述 | 第46页 |
| ·融合的期望性质及不确定性的度量 | 第46-48页 |
| ·融合的期望性质 | 第46-48页 |
| ·不确定性信息的度量 | 第48页 |
| ·模糊积分融合方法 | 第48-53页 |
| ·模糊积分 | 第48-51页 |
| ·模糊测度和Bel测度的关系 | 第51-52页 |
| ·模糊积分融合算法 | 第52-53页 |
| ·仿真实验 | 第53-55页 |
| ·基于传感器融合的机器人工件识别 | 第55-59页 |
| ·小结 | 第59-60页 |
| 第5章 神经网络融合方法 | 第60-80页 |
| ·引言 | 第60-61页 |
| ·神经网络融合的一般方法 | 第61-62页 |
| ·MLP网络融合方法 | 第62-65页 |
| ·模糊神经网络 | 第65-79页 |
| ·神经网络和模糊逻辑 | 第65-66页 |
| ·模糊推理模型 | 第66-68页 |
| ·模糊多层前馈网络(FMLPNN) | 第68-71页 |
| ·FMLP网络学习算法 | 第71-74页 |
| ·模糊基函数网络(FBFNN) | 第74-75页 |
| ·基于模糊神经网络的信息融和 | 第75-79页 |
| ·小结 | 第79-80页 |
| 第6章 Rough set理论与信息融合 | 第80-92页 |
| ·引言 | 第80-82页 |
| ·Rough set基本概念和理论基础 | 第82-85页 |
| ·Rough集 | 第82-83页 |
| ·Rough集的数字特征 | 第83-84页 |
| ·核与简化 | 第84-85页 |
| ·基于Rough set理论的多传感器信息融合 | 第85-91页 |
| ·小结 | 第91-92页 |
| 第7章 结论 | 第92-94页 |
| 参考文献 | 第94-103页 |
| 作者在博士期间发表的论文 | 第103-104页 |
| 致谢 | 第104页 |
