多源数据融合对不确定性的表征与建模研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究的背景与意义 | 第9-10页 |
| 1.2 MDF的研究历史与现状 | 第10-11页 |
| 1.3 MDF的主要方法与理论基础 | 第11-12页 |
| 1.4 不确定性信息融合面临的挑战 | 第12-14页 |
| 1.5 文章结构安排 | 第14-15页 |
| 第二章 信息的不确定性 | 第15-31页 |
| 2.1 信息的定义 | 第15-16页 |
| 2.2 符号理论 | 第16-17页 |
| 2.3 信息与不确定性 | 第17-24页 |
| 2.3.1 不确定性与风险 | 第17-19页 |
| 2.3.2 不确定性的分类 | 第19-21页 |
| 2.3.3 不确定性的特征 | 第21-24页 |
| 2.4 不确定性的表示 | 第24-27页 |
| 2.4.1 定量化方法 | 第25-26页 |
| 2.4.2 定性方法 | 第26-27页 |
| 2.5 不确定性的度量 | 第27-30页 |
| 2.5.1 度量工具 | 第27-29页 |
| 2.5.2 综合不确定性度量性质 | 第29-30页 |
| 2.6 小结 | 第30-31页 |
| 第三章 多源数据融合的有效性与可靠性 | 第31-49页 |
| 3.1 多源数据融合的熵理论 | 第31-38页 |
| 3.1.1 信息论与熵 | 第32-33页 |
| 3.1.2 观测系统的不确定性 | 第33-34页 |
| 3.1.3 观测系统的信息融合 | 第34-36页 |
| 3.1.4 基于信息熵的多源数据分类 | 第36-38页 |
| 3.2 多源数据融合的可靠性 | 第38-48页 |
| 3.2.1 可靠性定义 | 第39-40页 |
| 3.2.2 最小二乘估计 | 第40-42页 |
| 3.2.3 基于一致性的可靠性系数估计 | 第42-44页 |
| 3.2.4 基于环境信息的软计算方法 | 第44-48页 |
| 3.3 本章小结 | 第48-49页 |
| 第四章 多准则决策融合框架 | 第49-67页 |
| 4.1 数据融合的层次性 | 第50-51页 |
| 4.2 多准则融合系统框架 | 第51-53页 |
| 4.2.1 属性识别的Vague集表示 | 第51-52页 |
| 4.2.2 决策函数 | 第52-53页 |
| 4.2.3 多准则、多层次融合框架 | 第53页 |
| 4.3 多评价准则 | 第53-59页 |
| 4.3.1 稳定性 | 第54-56页 |
| 4.3.2 融洽度 | 第56-58页 |
| 4.3.3 传感器状态分类 | 第58-59页 |
| 4.4 传感器融合权重的综合求取 | 第59-62页 |
| 4.4.1 最小化准则冗余度 | 第60-61页 |
| 4.4.2 最大化评价差异度 | 第61-62页 |
| 4.4.3 融合权重的综合求取 | 第62页 |
| 4.5 仿真实验结果与分析 | 第62-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第五章 基于数据场的多源数据融合 | 第67-92页 |
| 5.1 数据场 | 第67-74页 |
| 5.1.1 从物理场到数据场 | 第68-70页 |
| 5.1.2 数据的势场 | 第70-72页 |
| 5.1.3 势函数与非参数密度估计的关系 | 第72-74页 |
| 5.2 数据场在信息表征中的作用 | 第74-77页 |
| 5.2.1 认知过程中的数据融合 | 第74-75页 |
| 5.2.2 用数据场解释知觉的组织性 | 第75-77页 |
| 5.3 基于数据场的数据融合框架 | 第77-86页 |
| 5.3.1 基于势函数的信任模型 | 第78-80页 |
| 5.3.2 PBF对不确定性的表示 | 第80-84页 |
| 5.3.3 模型参数的优化 | 第84-86页 |
| 5.4 基于DF-MDF的WSN目标定位算法 | 第86-90页 |
| 5.4.1 单目标定位 | 第86-88页 |
| 5.4.2 多目标定位 | 第88-90页 |
| 5.5 本章小结 | 第90-92页 |
| 第六章 结论与展望 | 第92-96页 |
| 6.1 研究总结 | 第92-94页 |
| 6.2 工作展望 | 第94-96页 |
| 附录缩略语 | 第96-97页 |
| 参考文献 | 第97-108页 |
| 作者简介 | 第108-110页 |
| 致谢 | 第110页 |
