| 第一章 绪论 | 第1-13页 |
| ·研究意义 | 第11页 |
| ·数据融合理论的发展 | 第11-12页 |
| ·课题来源及主要研究工作 | 第12-13页 |
| 第二章 数据融合技术的原理及应用 | 第13-23页 |
| ·数据融合的定义和基本原理 | 第13页 |
| ·数据融合的层次 | 第13-16页 |
| ·信息级融合 | 第14页 |
| ·特征级融合 | 第14-15页 |
| ·决策级融合 | 第15-16页 |
| ·数据融合的功能模型 | 第16-17页 |
| ·数据融合的一般方法 | 第17-18页 |
| ·基于统计理论的融合方法 | 第17页 |
| ·基于信息论的融合方法 | 第17-18页 |
| ·基于认识模型的融合方法 | 第18页 |
| ·数据融合系统的应用 | 第18-19页 |
| ·数据融合算法应用情况 | 第19-20页 |
| ·数据融合的关键问题 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于数据融合的大轴径多滚压轮测量的原理与方法 | 第23-29页 |
| ·大直径的测量方法 | 第23-24页 |
| ·滚轮法测量大直径的工作原理 | 第24-25页 |
| ·多滚压轮测量系统工作原理 | 第25-26页 |
| ·多滚压轮测量系统传感器构成及作用 | 第26页 |
| ·研制大直径多滚压轮测量系统的目标 | 第26-27页 |
| ·系统数据融合概述 | 第27-28页 |
| ·数据融合的目的和意义 | 第27页 |
| ·数据融合的层次 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 大直径测量系统的信息层数据融合 | 第29-42页 |
| ·检测参量的获取 | 第29页 |
| ·检测参量的异常信号分离与修复 | 第29-33页 |
| ·异常信号分离 | 第30-31页 |
| ·异常信号修复 | 第31-33页 |
| ·大直径测量的相关性分析 | 第33-37页 |
| ·数据相关 | 第33-34页 |
| ·数据相关技术应用 | 第34-35页 |
| ·实例验证 | 第35-37页 |
| ·MATLAB仿真 | 第37-41页 |
| ·MATLAB介绍 | 第37-38页 |
| ·算法验证 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 大直径测量系统的特征层数据融合 | 第42-63页 |
| ·基于神经网络的大直径测量特征层数据融合 | 第42-58页 |
| ·人工神经网络数据融合方法 | 第42-43页 |
| ·人工神经网络简介 | 第43-45页 |
| ·BP神经网络 | 第45-50页 |
| ·BP神经网络数据融合步骤 | 第50-51页 |
| ·神经网络系统设计 | 第51-54页 |
| ·Matlab仿真 | 第54-58页 |
| ·基于自适应加权的大直径测量特征层数据融合 | 第58-61页 |
| ·自适应加权算法的基本原理 | 第58-59页 |
| ·权的最优分配原则 | 第59-61页 |
| ·自适应加权算法分析 | 第61页 |
| ·自适应加权数据融合的算法步骤 | 第61页 |
| ·仿真实验 | 第61页 |
| ·基于算术平均值的大直径测量特征层数据融合 | 第61-62页 |
| ·不同数据融合方法的比较 | 第62页 |
| ·本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-64页 |
| ·课题总结 | 第63页 |
| ·课题展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 研究生期间发表学位论文 | 第67页 |