| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题的研究背景与研究意义 | 第10-11页 |
| ·相关领域的研究现状 | 第11-13页 |
| ·本论文的主要研究内容 | 第13-15页 |
| ·本论文的结构及说明 | 第15-17页 |
| 第二章 基于雷达与 IFF 的敌我识别基础理论 | 第17-30页 |
| ·空中目标属性识别 | 第18-21页 |
| ·模糊推理算法 | 第21-22页 |
| ·神经网络算法 | 第22-24页 |
| ·贝叶斯网络 | 第24-25页 |
| ·D-S 证据理论 | 第25-29页 |
| ·D-S 证据理论的基本概念 | 第25-27页 |
| ·Dempster 组合规则 | 第27页 |
| ·D-S 证据理论决策准则 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第三章 模糊神经网络及离散模糊 DBN 在敌我识别中的应用 | 第30-59页 |
| ·敌我识别系统的不确定性分析 | 第30页 |
| ·仿真数据库的建立 | 第30-32页 |
| ·隶属度函数的确定 | 第32-34页 |
| ·模糊 C 均值聚类算法 | 第32-33页 |
| ·关系聚类算法 | 第33-34页 |
| ·从数据集中及专家经验中获取模糊规则 | 第34-36页 |
| ·模糊神经网络法 | 第36-50页 |
| ·自适应模糊神经网络 | 第37-40页 |
| ·ANFIS 初始条件的设置 | 第38-39页 |
| ·仿真实验与分析 | 第39-40页 |
| ·带概率因子的模糊乘型神经网络 | 第40-45页 |
| ·概率因子的获取 | 第40-41页 |
| ·带概率因子的模糊乘型神经网络的构建 | 第41-42页 |
| ·带概率因子的模糊乘型神经网络学习算法 | 第42-44页 |
| ·带概率因子的模糊乘型神经网络在时间序列中的应用 | 第44-45页 |
| ·模糊神经网络在敌我识别中的适用性仿真实验 | 第45-50页 |
| ·离散模糊动态贝叶斯网络 | 第50-57页 |
| ·拓扑结构的确定 | 第51页 |
| ·参数学习 | 第51-54页 |
| ·离散模糊动态贝叶斯网络的推理 | 第54-55页 |
| ·算法流程 | 第55页 |
| ·仿真实验与分析 | 第55-57页 |
| ·小结 | 第57-59页 |
| 第四章 基于雷达与 IFF 的多种算法综合敌我识别 | 第59-76页 |
| ·应用 D-S 理论需解决的关键问题 | 第59-63页 |
| ·证据构造方法 | 第59-61页 |
| ·同传感器同分类器的证据构造方法 | 第59-60页 |
| ·不同分类器的身份证据构造 | 第60-61页 |
| ·D-S 冲突证据组合规则 | 第61-63页 |
| ·数值算例与仿真 | 第62-63页 |
| ·模糊综合评判 | 第63-64页 |
| ·单级模糊综合评判 | 第63-64页 |
| ·多级模糊综合评判 | 第64页 |
| ·基于多种身份识别算法与 D-S 算法相结合的混合识别算法 | 第64-71页 |
| ·运动特征识别模块 | 第64-66页 |
| ·一维距离像识别模块 | 第66-67页 |
| ·IFF 识别模块 | 第67页 |
| ·仿真实验与分析 | 第67-71页 |
| ·基于混合算法的敌我识别 | 第71-75页 |
| ·混合算法流程 | 第71-72页 |
| ·仿真实验与理论分析 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| ·工作总结 | 第76-77页 |
| ·工作展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士期间取得的研究成果 | 第83-84页 |
