| 第一章 绪论 | 第1-13页 |
| 第一节 数据融合理论知识 | 第7-8页 |
| §1．1．1 数据融合概念 | 第7-8页 |
| §1．1．2 数据融合处理模型及技术方法分类 | 第8页 |
| 第二节 态势估计 | 第8-12页 |
| §1．2．1 态势估计概念 | 第8-9页 |
| §1．2．2 态势估计国外研究现状 | 第9-10页 |
| §1．2．3 态势估计国内研究现状 | 第10-12页 |
| 第三节 论文主要内容和本人所做工作 | 第12-13页 |
| 第二章 态势估计分析 | 第13-27页 |
| 第一节 态势估计描述 | 第13-17页 |
| §2．1．1 态势估计研究内容 | 第13-14页 |
| §2．1．2 态势估计研究任务 | 第14-17页 |
| 第二节 态势估计功能模型 | 第17-20页 |
| 第三节 态势估计推理框架 | 第20-24页 |
| §2．3．1 态势估计结构特点 | 第20页 |
| §2．3．2 态势估计推理框架 | 第20-23页 |
| §2．3．3 态势估计及其推理框架的特点与共性 | 第23-24页 |
| 第四节 态势估计推理算法 | 第24-26页 |
| §2．4．1 推理算法 | 第24-25页 |
| §2．4．2 模板匹配算法 | 第25-26页 |
| 第五节 本章小结 | 第26-27页 |
| 第三章 用分级多层的黑板模型实现态势估计 | 第27-37页 |
| 第一节 专家系统 | 第27-29页 |
| §3．1．1 专家系统在军事指挥决策中的应用 | 第27页 |
| §3．1．2 专家系统结构 | 第27-29页 |
| 第二节 黑板模型 | 第29-30页 |
| §3．2．1 黑板模型的结构 | 第29-30页 |
| §3．2．2 黑板模型的推理与知识应用 | 第30页 |
| 第三节 分级多层黑板模型 | 第30-36页 |
| §3．3．1 态势估计军事专家系统采用黑板模型的原因 | 第30-31页 |
| §3．3．2 多级分层的黑板模型 | 第31-33页 |
| §3．3．3 黑板控制模块 | 第33-35页 |
| §3．3．4 知识源和假设元素结构 | 第35-36页 |
| 第四节 本章小结 | 第36-37页 |
| 第四章 态势估计规划识别模型 | 第37-47页 |
| 第一节 规划识别基本理论问题 | 第37-39页 |
| §4．1．1 规划识别概述 | 第37-38页 |
| §4．1．2 规划识别模型 | 第38-39页 |
| §4．1．3 规划识别过程 | 第39页 |
| 第二节 态势估计规划识别描述 | 第39-41页 |
| 第三节 多代理态势估计模板匹配算法 | 第41-43页 |
| §4．3．1 多代理模板表示 | 第41页 |
| §4．3．2 模板实例化算法 | 第41-43页 |
| 第四节 基于跟踪理论的规划识别模型 | 第43-46页 |
| §4．4．1 “等和看”的“认识、预测、验证”态势估计过程 | 第43-44页 |
| §4．4．2 卡尔曼滤波方程和跟踪理论 | 第44-45页 |
| §4．4．3 基于卡尔曼滤波跟踪理论的态势估计规划识别模型 | 第45-46页 |
| 第五节 本章小结 | 第46-47页 |
| 第五章 贝叶斯网络在态势估计中的应用 | 第47-59页 |
| 第一节 贝叶斯网络及证据传播算法 | 第47-54页 |
| §5．1．1 贝叶斯网络 | 第47-50页 |
| §5．1．2 贝叶斯网络中的证据传播算法 | 第50-53页 |
| §5．1．3 Pearl的多层次假设中的证据推理算法 | 第53-54页 |
| 第二节 态势估计贝叶斯网络模型 | 第54-58页 |
| §5．2．1 态势估计贝叶斯网络模板模型 | 第54-56页 |
| §5．2．2 动态贝叶斯网络态势估计模型 | 第56-58页 |
| 第三节 本章小结 | 第58-59页 |
| 第六章 态势估计系统 | 第59-63页 |
| 第一节 态势估计系统结构 | 第59-62页 |
| §6．1．1 系统设计和技术选择 | 第59页 |
| §6．1．2 系统结构设计 | 第59-62页 |
| 第二节 本章小结 | 第62-63页 |
| 结束语 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士期间发表论文及获奖情况 | 第70页 |
