一种结合信息熵的改进证据分类合成方法
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 引言 | 第8-14页 |
| 1.1 多传感器数据融合背景及意义 | 第8-9页 |
| 1.1.1 多传感器数据融合背景 | 第8-9页 |
| 1.1.2 多传感器数据融合的意义 | 第9页 |
| 1.2 国内外研究与发展现状 | 第9-11页 |
| 1.3 本文的主要内容与结构 | 第11-13页 |
| 1.3.1 论文的主体内容 | 第11-12页 |
| 1.3.2 论文结构安排 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 2 多传感器数据融合相关理论 | 第14-20页 |
| 2.1 多传感器数据融合定义与基本原理 | 第14-15页 |
| 2.1.1 数据融合的定义 | 第14页 |
| 2.1.2 多传感器数据融合的基本原理 | 第14页 |
| 2.1.3 多传感器数据融合模型 | 第14-15页 |
| 2.2 多传感器数据融合的分类及其方法 | 第15-20页 |
| 2.2.1 多传感器数据信息融合类型 | 第15-16页 |
| 2.2.2 数据信息融合的过程及层次结构 | 第16-18页 |
| 2.2.3 常见信息融合方法 | 第18-20页 |
| 3 D-S证据理论 | 第20-31页 |
| 3.1 D-S证据理论及其基本概念 | 第20-22页 |
| 3.1.1 D-S证据理论的识别框架 | 第21页 |
| 3.1.2 基本概率分配函数 | 第21页 |
| 3.1.3 信任函数 | 第21-22页 |
| 3.1.4 似然函数 | 第22页 |
| 3.2 D-S合成规则及其决策规则 | 第22-23页 |
| 3.3 D-S证据理论存在的问题 | 第23-26页 |
| 3.3.1 D-S证据冲突产生原因 | 第23-24页 |
| 3.3.2 冲突证据组合问题分类 | 第24-26页 |
| 3.4 D-S证据理论现有改进的方法 | 第26-30页 |
| 3.4.1 基于融合规则的改进合成方法 | 第26-28页 |
| 3.4.2 基于原始证据源的修改方法 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 改进的D-S证据理论 | 第31-41页 |
| 4.1 一种新的冲突证据改进的方法 | 第31-33页 |
| 4.1.1 证据间相似度属性 | 第31-32页 |
| 4.1.2 证据信息熵属性 | 第32-33页 |
| 4.2 改进方法分析 | 第33-35页 |
| 4.2.1 证据间相似性属性计算 | 第33-34页 |
| 4.2.2 证据信息熵属性计算 | 第34页 |
| 4.2.3 证据识别分类 | 第34页 |
| 4.2.4 改进分类证据步骤 | 第34-35页 |
| 4.3 改进D-S证据理论算法 | 第35-37页 |
| 4.4 算例分析 | 第37-40页 |
| 4.5 本章小结 | 第40-41页 |
| 5 改进算法的应用 | 第41-49页 |
| 5.1 实验预备知识 | 第41-43页 |
| 5.2 实验环境与模型 | 第43页 |
| 5.3 实验工作及应用 | 第43-48页 |
| 5.4 本章小结 | 第48-49页 |
| 6 结语 | 第49-51页 |
| 6.1 论文总结 | 第49-50页 |
| 6.2 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55页 |
