多传感器数据融合的研究及应用

中文摘要	第1-4页
Abstract	第4-7页
第一章 引言	第7-12页
·研究背景及意义	第7页
·国内外研究现状	第7-8页
·数据融合的通用模型及其重要性	第8-9页
·数据融合的分类	第9-10页
·本文的主要工作和构架	第10-12页
第二章 目标识别中的数据关联方法研究	第12-19页
·最邻近数据关联(NNDA)	第12-13页
·概率数据关联(PDA)	第13-15页
·模型介绍	第13页
·基本原理	第13-15页
·联合概率数据关联(JPDA)	第15-18页
·模型介绍	第15-16页
·基本概念	第16-18页
·本章小结	第18-19页
第三章 数据融合的目标身份识别技术	第19-25页
·相似性系数法	第19-20页
·统计模型识别技术	第20-21页
·神经网络技术	第21-24页
·神经网络理论基础	第21页
·单层感知器的结构模型	第21-23页
·BP神经网络	第23页
·对角递归神经网络	第23-24页
·本章小结	第24-25页
第四章 数据融合的身份融合技术	第25-40页
·目标识别身份融合的最佳方法	第25-26页
·DEMPSTER-SHAFER证据理论	第26-29页
·基础知识	第26-28页
·Dempster组合规则	第28-29页
·目前主要的改进方法	第29-31页
·一种基于PIGNISTIC概率函数的改进方法	第31-37页
·pignistic概率函数	第31页
·difBetP与d_(BPA)	第31-34页
·基于difBetP的改进方法	第34-35页
·各种改进方法的分析和比较	第35-37页
·改进方法在齿轮系统故障检测中的应用	第37-38页
·本章小结	第38-40页
第五章 总结与展望	第40-41页
参考文献	第41-43页
在学期间的研究成果	第43-44页
致谢	第44页