| 第一章 序言 | 第1-16页 |
| ·多传感器信息融合技术简介 | 第12-13页 |
| ·信息融合的层次结构 | 第13页 |
| ·信息融合应用于模式识别 | 第13-14页 |
| ·本文的主要工作及章节安排 | 第14-16页 |
| 第二章 信息融合技术基础 | 第16-26页 |
| ·信息融合的定义 | 第16-17页 |
| ·信息融合的基本原理 | 第17-18页 |
| ·信息融合的层次结构 | 第18-22页 |
| ·数据层融合 | 第18-19页 |
| ·特征层融合 | 第19-20页 |
| ·决策层融合 | 第20-21页 |
| ·三种层次结构之间的比较 | 第21-22页 |
| ·信息融合算法 | 第22-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 基于模拟退火的特征层融合模式识别方法 | 第26-37页 |
| ·特征层融合的模式识别方法简介 | 第26-27页 |
| ·特征融合系数 | 第27页 |
| ·模拟退火算法 | 第27-31页 |
| ·模拟退火原理 | 第28-29页 |
| ·模拟退火算法用于组合优化问题 | 第29-31页 |
| ·使用模拟退火算法搜索特征融合系数 | 第31-32页 |
| ·算法实验及结果分析 | 第32-36页 |
| ·交通标志形状识别实验 | 第32-35页 |
| ·数字字符识别实验 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于神经网络的D-S证据理论基本概率赋值获取方法 | 第37-48页 |
| ·决策层融合的模式识别方法简介 | 第37-38页 |
| ·D-S证据理论 | 第38-43页 |
| ·基本概念 | 第38-40页 |
| ·结合多源信息的Dempster准则 | 第40页 |
| ·基本概率赋值的获取 | 第40-42页 |
| ·D-S证据理论的优缺点 | 第42-43页 |
| ·D-S证据理论的应用 | 第43页 |
| ·基于神经网络分类器的D-S证据理论基本概率赋值获取方法 | 第43-45页 |
| ·算法实验及结果分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 具有注意功能的决策层融合模式识别方法 | 第48-70页 |
| ·模糊理论介绍 | 第48-50页 |
| ·模糊集的基本概念及表示形式 | 第48-49页 |
| ·模糊集合的基本运算 | 第49-50页 |
| ·模糊逻辑系统 | 第50-54页 |
| ·模糊逻辑系统简介 | 第50-51页 |
| ·模糊逻辑系统的组成 | 第51-53页 |
| ·模糊逻辑系统的应用 | 第53-54页 |
| ·模糊逻辑方法应用于融合模式识别及其存在的问题 | 第54-56页 |
| ·问题1 | 第55-56页 |
| ·问题2 | 第56页 |
| ·解决方法 | 第56-59页 |
| ·对于问题1的解决方法 | 第56-58页 |
| ·对于问题2的解决方法 | 第58-59页 |
| ·算法实验及结果分析 | 第59-69页 |
| ·交通标志形状识别实验 | 第59-60页 |
| ·多模态生物特征识别实验 | 第60-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结和展望 | 第70-72页 |
| ·本文工作的总结 | 第70-71页 |
| ·未来工作的展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 研究生期间主要科研工作及成果 | 第77页 |